昨日，阿里巴巴通義團隊正式推出了Qwen-TTS模型，這款文本轉語音（TTS）模型以其超高真實感和多方言支持引發行業熱議。AIbase編輯團隊整理最新信息，爲您深入解析這款通過Qwen API提供服務的語音合成利器，及其在AI語音技術領域的突破性意義。

Qwen-TTS:超真實語音合成

Qwen-TTS是通義團隊基於大規模語音數據集研發的最新文本轉語音模型，通過數百萬小時的語音訓練，生成的聲音在自然度、韻律、節奏和情感表達上達到了極高水平。用戶通過Qwen API即可體驗到接近真人發聲的語音效果，適用於教育、娛樂、智能客服等多種場景。

圖源備註：圖片由AI生成

支持多方言與雙語聲音

Qwen-TTS的亮點之一是其多樣化的語言支持。模型不僅支持標準普通話，還覆蓋了北京話、上海話和四川話三種中文方言，爲用戶提供更具地域特色的語音體驗。此外，Qwen-TTS提供七種中英雙語音色，包括Cherry、Ethan、Chelsie、Serena、Dylan、Jada和Sunny，每種音色都經過精心調校，確保發音地道且富有表現力。這種多方言、多音色的設計極大拓展了模型的應用場景，滿足不同文化背景用戶的需求。

技術突破:流式輸出與情感調節

Qwen-TTS支持流式音頻輸出，能夠根據輸入文本動態調整語調、語速和情感變化，生成的聲音不僅真實，還能傳遞細膩的情感表達。相較於傳統TTS模型，Qwen-TTS在真實感和表現力上幾乎無差別，甚至在特定評測（如SeedTTS-Eval）中達到業內頂尖水平。這得益於其背後大規模語料庫的訓練支持，以及通義團隊在語音合成算法上的持續優化。

行業影響與未來前景

Qwen-TTS的發佈進一步推動了語音合成技術的普及與應用。無論是爲影視配音、虛擬主播，還是智能助手提供更自然的交互體驗，Qwen-TTS都展現了巨大潛力。AIbase認爲，隨着語音合成技術在真實感上的差距逐漸縮小，方言支持和個性化音色的創新將成爲未來競爭的關鍵。通義團隊此次通過API開放Qwen-TTS，不僅降低了使用門檻，也爲開發者提供了更多創作空間。