千问发布语音合成大模型 Qwen-Audio-3.0-TTS，支持自然语言指令控制，Flash 版首包延时 300 毫秒级别

据千问官方消息，千问正式发布语音合成大模型 Qwen-Audio-3.0-TTS。该模型支持 Free-style 自然语言指令控制，用户可通过自然语言描述实现对合成语音效果的定制。

此次发布的模型包含两个版本：Flash 版本与 Plus 版本。Flash 版本面向实时交互场景设计，首包延时达到 300 毫秒级别，可用于对话等低延迟语音合成任务。Plus 版本面向高质量生成需求，提供更优的合成音质表现。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。