--- title: "Qwen3-TTS 全家桶开源上线！" description: "Qwen3-TTS 是 Qwen 开发的一系列语音生成工具，支持音色克隆、创造和高质量拟人化语音生成。它采用创新的 Qwen3-TTS-Tokenizer-12Hz 编码器，实现高效压缩和强表征能力，支持 10 种语言及多种方言。模型具备强大的上下文理解能力，能够自适应调整语气、节奏与情感表达。Qwen3-TTS 的 1.7B 和 0.6B 模型已在 Github 上开源，并可通过 Qwen AP" type: "news" locale: "zh-CN" url: "https://longbridge.com/zh-CN/news/273428122.md" published_at: "2026-01-22T21:55:56.000Z" --- # Qwen3-TTS 全家桶开源上线！ > Qwen3-TTS 是 Qwen 开发的一系列语音生成工具，支持音色克隆、创造和高质量拟人化语音生成。它采用创新的 Qwen3-TTS-Tokenizer-12Hz 编码器，实现高效压缩和强表征能力，支持 10 种语言及多种方言。模型具备强大的上下文理解能力，能够自适应调整语气、节奏与情感表达。Qwen3-TTS 的 1.7B 和 0.6B 模型已在 Github 上开源，并可通过 Qwen API 体验。 Qwen3-TTS 是由 Qwen 开发的一系列功能强大的语音生成，全面支持音色克隆、音色创造、超高质量拟人化语音生成，以及基于自然语言描述的语音控制，为开发者与用户提供最全面的语音生成功能。 **依托创新的 Qwen3-TTS-Tokenizer-12Hz 多码本语音编码器，Qwen3-TTS 实现了对语音信号的高效压缩与强表征能力，不仅完整保留副语言信息和声学环境特征，还能通过轻量级的非 DiT 架构实现高速、高保真的语音还原。**Qwen3-TTS 采用 Dual-Track 双轨建模，达成了极致的双向流式生成速度，首包音频仅需等待一个字符。 **Qwen3-TTS 多码本全系列模型均已开源，包含 1.7B 和 0.6B 两种尺寸，1.7B 可以达到极致性能，具有强大的控制能力，0.6B 均衡性能与效率。模型覆盖 10 种主流语言（中文、英文、日语、韩语、德语、法语、俄语、葡萄牙语、西班牙语、意大利语）及多种方言音色，满足全球化应用需求。** 同时，模型具备强大的上下文理解能力，可根据指令和文本语义自适应调整语气、节奏与情感表达，并对输入文本噪声的鲁棒性有显著提升。目前已经在 Github 上开源同时也可通过 Qwen API 体验。 ## **模型列表** **1.7B 模型****0.6B 模型** ## **Qwen3-TTS 特性** 主要特点： - 强大的语音表征：基于自研 Qwen3-TTS-Tokenizer-12Hz，实现语音信号的高效声学压缩与高维语义建模，完整保留副语言信息及声学环境特征，并可通过轻量级的非 DiT 架构实现高效、高保真语音还原。 - 通用的端到端架构：采用离散多码本 LM 架构，实现语音全信息端到端建模，彻底规避传统 LM+DiT 方案的信息瓶颈与级联误差，显著提升模型的通用性、生成效率与效果上限。 - 高极致的低延迟流式生成：基于创新的 Dual-Track 混合流式生成架构，单模型同时兼容流式与非流式生成，最快可在输入单字后即刻输出音频首包，端到端合成延迟低至 97ms，满足实时交互场景的严苛需求。 **智能的文本理解与语音控制：**支持自然语言指令驱动的语音生成，灵活调控音色、情感、韵律等多维声学属性；同时深度融合文本语义理解，自适应调节语气、节奏、情感与韵律，实现 “所想即所听” 的拟人化表达。## **模型性能** 我们对 Qwen3-TTS 在音色克隆、创造、控制等方面进行了全面评估，结果显示其在多项指标上都达到了 SOTA 性能。具体来说： - 音色创造任务上，Qwen3-TTS-VoiceDesign 在 InstructTTS-Eval 中指令遵循能力和生成表现力都整体超越 MiniMax-Voice-Design 闭源模型，并大幅领先其余开源模型。 - 在音色控制任务上，Qwen3-TTS-Instruct 不仅具备单人多语言的泛化能力，平均词错率 2.34%；同时具备保持音色的风格控制能力，InstructTTS-Eval 取得了 75.4% 的分数；此外，也展现出卓越的长语音生成能力，一次性合成 10 分钟语音的中英词错率为 2.36/2.81%。 - 在音色克隆任务上，Qwen3-TTS-VoiceClone 在 Seed-tts-eval 上中英文克隆的语音稳定性表现上均超越 MiniMax 和 SeedTTS；在 TTS multilingual test set 上 10 个语项上取得了 1.835% 的平均词错误率和 0.789 的说话人相似度，超越 MiniMax 和 ElevenLabs；跨语种音色克隆也超越 CosyVoice3 位居 SOTA。 ## **Tokenizer 性能** 我们对 Qwen-TTS-Tokenizer 进行了语音重构评估，在 LibriSpeech test-clean set 的结果显示其在关键指标上都达到了的 SOTA 水平。具体来说，在感知语音质量评估（PESQ）中，Qwen-TTS-Tokenizer 在宽带和窄带上分别取得了 3.21 和 3.68 的分数，大幅领先同类 tokenizer。 在短时客观可懂度（STOI）以及 UTMOS 上，Qwen-TTS-Tokenizer 取得了 0.96 和 4.16 的分数，展现出卓越的还原质量。在说话人相似度上，Qwen-TTS-Tokenizer 取了 0.95 的分数，显著超越对比模型，表明其近乎无损的说话人信息保留能力。 千问 Qwen 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。 ### Related Stocks - [513040.CN - 易方达中证港股通互联网ETF](https://longbridge.com/zh-CN/quote/513040.CN.md) - [09988.HK - 阿里巴巴-W](https://longbridge.com/zh-CN/quote/09988.HK.md) - [512380.CN - MSCI中国](https://longbridge.com/zh-CN/quote/512380.CN.md) - [BABA.US - 阿里巴巴](https://longbridge.com/zh-CN/quote/BABA.US.md) - [513770.CN - 华宝中证港股通互联网ETF](https://longbridge.com/zh-CN/quote/513770.CN.md) - [159998.CN - 天弘中证计算机主题ETF](https://longbridge.com/zh-CN/quote/159998.CN.md) ## Related News & Research | Title | Description | URL | |-------|-------------|-----| | Alipay AI Payment Exceeds 120 Million Transactions in One Week as Agentic Commerce Accelerates in China | Alipay's AI Pay has surpassed 120 million transactions in one week, marking a significant milestone in agentic commerce | [Link](https://longbridge.com/zh-CN/news/275904280.md) | | China’s ByteDance releases Doubao 2.0 AI model for 'agent era | China’s ByteDance has launched the Doubao 2.0 AI model, an upgrade to its leading AI chatbot, aiming to maintain its mar | [Link](https://longbridge.com/zh-CN/news/275973214.md) | | Xiaomi-Backed RoboParty Launches ORIGIN: Worldâs First-Tier Full-Stack Open-Source Bipedal Humanoid Robot, Forging Embodied Infrastructure | Xiaomi-backed RoboParty has launched ROBOTO ORIGIN, the world's first full-stack open-source bipedal humanoid robot, dev | [Link](https://longbridge.com/zh-CN/news/275774137.md) | | 01:43 ETSinch announces strategic partnership with Lovable to power communications for AI-native applications | Sinch AB has announced a strategic partnership with Lovable, an AI software platform, to integrate Sinch's communication | [Link](https://longbridge.com/zh-CN/news/275561958.md) | | Waymo's Chinese Rival WeRide Aims To Double Its Robotaxi Fleet This Year, CEO Says | WeRide, a Chinese robotaxi operator, plans to double its fleet to 2,000-3,000 vehicles this year, leveraging AI to reduc | [Link](https://longbridge.com/zh-CN/news/275756393.md) | --- > **免责声明**：本文内容仅供参考，不构成任何投资建议。