模型详情
模型介绍
中文整理Qwen3-TTS
模型用途
Qwen3-TTS是阿里云通义千问团队开发的一系列强大语音生成模型，提供语音克隆、语音设计、超高质量类人语音生成以及基于自然语言的语音控制等功能。
主要能力
支持10种主要语言（中文、英语、日语、韩语、德语、法语、俄语、葡萄牙语、西班牙语、意大利语）以及多种方言。采用自研的Qwen3-TTS-Tokenizer-12Hz实现高效声学压缩和高维语义建模。使用离散多码本LM的通用端到端架构，绕过传统信息瓶颈。支持极低延迟流式生成，端到端合成延迟可低至97毫秒。支持自然语言指令驱动的语音生成，可灵活控制音色、情感和韵律。
输入输出
输入：自然语言指令
输出：语音
运行要求
需要安装qwen-tts Python包（从PyPI安装）
基本用法
从PyPI安装qwen-tts包后，使用Python调用相关接口进行语音生成。
限制
未提供具体限制信息
许可证
未提供许可证相关信息
评估数据
在Seed-TTS测试集上的零样本语音生成词错误率（WER，越低越好）：中文测试集0.77，英文测试集1.24。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。