继发布Z-Image（造相）广受好评后，阿里又上好货了。

就在刚刚发布 Qwen3-TTS，版本号 2025-11-27，这次更新解决了语音合成的几个核心问题。

音色大幅扩展
49 种高品质音色，覆盖不同性别、年龄和角色设定。具体包括撒娇搞怪的茉兔、青梅竹马小野杏、女汉子十三、严厉的墨讲师、智慧老者沧明子、萝莉萌妹萌小姬等角色音色。

语言和方言能力提升
支持 10 种主流语言：中文、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语。在 MiniMax TTS multilingual test set 上，平均词错误率（WER）优于 MiniMax、ElevenLabs 及 GPT-4o-Audio-Preview。

方言支持包括普通话、闽南语、吴语、粤语、四川话、北京话、南京话、天津话和陕西话，能还原地方口音特色。有用户指出，闽南话使用者 5000 万，吴语 8000 万，这些群体此前缺乏高质量语音合成服务。

韵律和语速优化
相比上一版本，自适应调节语速和韵律的能力大幅提高，拟人化程度接近真人。

API 调用简单
通过 DashScope SDK 即可使用，支持多种音色和语言参数。代码示例显示，只需几行代码就能将文本转换为音频文件并下载保存

# 请安装 DashScope SDK 的最新版本

import os
import requests
import dashscope
text = "那我来给大家推荐一款T恤，这款呢真的是超级好看，这个颜色呢很显气质，而且呢也是搭配的绝佳单品，大家可以闭眼入，真的是非常好看，对身材的包容性也很好，不管啥身材的宝宝呢，穿上去都是很好看的。推荐宝宝们下单哦。"
# SpeechSynthesizer接口使用方法：dashscope.audio.qwen_tts.SpeechSynthesizer.call(...)
response = dashscope.MultiModalConversation.call(
    model="qwen3-tts-flash-2025-11-27",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    text=text,
    voice="Cherry",
    language_type="Chinese", # 建议与文本语种一致，以获得正确的发音和自然的语调。
    stream=False
)
audio_url = response.output.audio.url
save_path = "downloaded_audio.wav"  # 自定义保存路径
try:
    response = requests.get(audio_url)
    response.raise_for_status()  # 检查请求是否成功
    with open(save_path, 'wb') as f:
        f.write(response.content)
    print(f"音频文件已保存至：{save_path}")
except Exception as e:
    print(f"下载失败：{str(e)}")

目前可以通过 Qwen Chat 的"朗读"功能体验，也有实时 API 和离线 API 可用。

HuggingFace 和 ModelScope 都有 Demo 可以试玩。

体验方式：

• Qwen Chat 朗读功能：http://chat.qwen.ai

• 实时 API 文档：https://modelstudio.console.alibabacloud.com/?tab=doc#/doc/?type=model&url=2840914_2&modelId=qwen3-tts-flash-realtime-2025-11-27
• 离线 API 文档：https://modelstudio.console.alibabacloud.com/?tab=doc#/doc/?type=model&url=2840914_2&modelId=qwen3-tts-flash-2025-11-27
• HuggingFace Demo：http://hf.co/spaces/Qwen/Qwen3-TTS-Demo
• ModelScope Demo：http://modelscope.cn/studios/Qwen/Qwen3-TTS-Demo