通义实验室发布 Qwen-Audio-3.0-TTS，含 Flash（首包延迟约300ms）和 Plus 两个版本。Plus 版本在 Artificial Analysis 榜单夺冠，支持16种语言和20种中文方言，平均 WER/CER 低至3.87（Flash），说话人相似度最高达82.75（Plus）。
模型
·公众号：通义实验室（千问）
通义实验室发布 Qwen-Audio-3.0-TTS 实时语音合成模型
— 从"能说话"到"会表达"：Qwen-Audio-3.0-TTS 发布