发帖
客户端
扫码下载
 立即注册
 登录
QQ登陆
切换到宽版
NekoTeco»社区 › 宅闻情报 › 数码资讯 › Qwen3-TTS多码本语音生成模型全系列开源
返回列表 发新帖

[AI] Qwen3-TTS多码本语音生成模型全系列开源

[复制链接]
4 |0
未来视野 发表于 昨天 23:09 | 显示全部楼层 |阅读模式
这里可以调整气泡内文字大小！滑动试试吧！ ×
12 px
26 px
Qwen3-TTS多码本全系列模型现已开源，包含1.7B和0.6B两种尺寸，其中1.7B模型追求极致性能，0.6B模型则平衡了性能与效率。Qwen3-TTS是由Qwen团队开发的一系列功能强大的语音生成模型，支持音色克隆、音色创造、高质量拟人化语音生成以及基于自然语言描述的语音控制，为开发者和用户提供了全面的语音生成解决方案。

Qwen3-TTS依托创新的Qwen3-TTS-Tokenizer-12Hz多码本语音编码器，实现了对语音信号的高效压缩和强大表征能力，不仅保留了副语言信息和声学环境特征，还能通过轻量级的非DiT架构实现高速、高保真的语音还原。该模型采用Dual-Track双轨建模，达成了极致的双向流式生成速度，首包音频仅需等待一个字符，端到端合成延迟低至97ms，满足了实时交互场景的严苛需求。

Qwen3-TTS覆盖10种主流语言及多种方言音色，具备强大的上下文理解能力，可根据指令和文本语义自适应调整语气、节奏与情感表达，并对输入文本噪声的鲁棒性有显著提升。在音色克隆、创造和控制等方面，Qwen3-TTS均达到了SOTA性能，音色创造和指令遵循能力超越MiniMax-Voice-Design等闭源模型，音色克隆稳定性表现也优于MiniMax和SeedTTS等模型。目前，Qwen3-TTS已在Github上开源，并可通过Qwen API进行体验。
Qwen3, TTS, 模型, 语音, 音色

相关帖子
回复

使用道具 举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

热门版块
数码资讯
最新数码动态，尽在掌握。
快速回复 返回顶部 返回列表