HiAPI
21:9 Hero 横幅:右侧陶瓷与玻璃声波雕塑、玻璃涟漪与光带,左区明亮留白,发光立体字 qwen-audio-3.0-tts 融于雕塑,奶油与冰蓝粉紫渐变。

Alibaba

Qwen Audio 3.0 TTS

qwen-audio-3.0-tts-plus

阿里通义托管式多语言语音合成系列,含低延迟 Flash 与高音质 Plus 两档,支持用自然语言指令控制情绪与表达风格

试用 qwen-audio-3.0-tts-plus

输入

合成指令

作品灵感

查看全部作品
  • Qwen-Audio-3.0-TTS Plus 参数全景:一段旁白演示语速、音高与指令控制
  • 把提示词结构读成语音:TTS 指令工程图文指南
  • 双音色多风格 TTS 演示:longanlingxin 与 longanlufeng
  • 配音·配乐·播客:TTS 语音用法地图

输出

audio
填写参数并生成,结果会显示在这里。

价格

qwen-audio-3.0-tts-plus 每千字符

单价 $0.040

定位简介

Qwen Audio 3.0 TTS Plus 是阿里 Qwen Audio 3.0 TTS 系列中面向高质量语音生成的托管模型,通过 HiAPI.ai 统一接口调用,输入文本即可输出自然、保真的语音。它支持多语言合成长文本,可用自然语言指令引导情绪与表达风格,并提供语速、音高、音量、采样率与输出格式等参数控制。适合对音质与音色表现要求高于实时响应的有声内容、课程朗读、客服播报与多语言配音等生成式场景。

核心亮点

  • 面向音质优先的 Plus 档位——与同系列 Flash 相比更侧重自然度与音色保真,适合非强实时的离线或批量语音生产。
  • 指令化控制表达风格——可通过合成指令描述情绪与表达方式,减少逐段试听和后期修音的返工。
  • 单次可合成两万字符文本——单任务最多接受两万 Unicode 码点,长文可整段提交,减少分段拼接与边界处理。
  • 输出参数可精细调校——语速、音高与音量均支持区间调节,采样率与容器格式可选,便于对接下游音频管线。

能力说明

多语言语音合成:支持十余种语言的合成提示,一次接入即可为中文、英文、日韩及多语种内容生成语音,降低多语内容的接入成本。

自然语言指令引导风格:通过合成指令描述语气、情绪与表达方式,让同一文本产出不同播讲风格,无需更换音色或后期处理。

音频参数调控:可设置语速、音高、音量与输出采样率,并按需选择 mp3、wav、pcm、opus 等输出格式,方便直接对接播放或转码链路。

确定性合成:支持设定随机种子,便于对同一文本复现一致的合成结果,利于回归测试与内容版本管理。

Opus 码率可调:输出 Opus 时可指定码率,在带宽敏感的分发场景中平衡音质与文件体积。

适用场景

  • 有声内容创作者的文稿转语音——将长篇文章或章节文本一次提交,产出可直接上架播客与有声书平台的音频,减少分段合成与拼接工作。
  • 在线教育机构的课程讲稿朗读——把课程讲稿合成为风格统一的讲解音频,用于课件配音与复习音频,缩短录制周期。
  • 客服团队的播报话术生成——将标准化话术文本转为语音素材,用于呼叫中心与自助服务渠道的固定播报内容。
  • 内容团队的跨语言配音——借助语言提示为多语版本稿件生成对应语音,用于产品介绍与营销素材的本地化。

限制与选型建议

Plus 档位以音质为先,速度不及同系列 Flash,不适合对首包延迟敏感的实时对话场景,这类需求应优先考虑 Flash。当前仅提供两个系统音色,且不支持基于文本描述设计音色;声音克隆能力并非所有渠道开放,接入前需确认。此外它是托管合成服务,不提供自托管部署,若需要本地化部署或深度定制模型,应另作选型。

  • 模型上新 qwen-audio-3.0-tts-flash 上线
  • 模型上新 qwen-audio-3.0-tts-plus 上线:文本转语音,$0.04/千字符

同类型模型