通义千问发布 Qwen-Audio-3.0-TTS，Flash 版主打实时交互，Plus 版走高质量路线，目前在 Artificial Analysis ...

通义千问发布Qwen-Audio-3.0-TTS，登顶TTS排行榜

阿里通义千问这次发了两个 TTS 版本：Flash 做实时交互，Plus 做高质量生成。模型支持用【whisper】、【angry】这类内联标签直接控制语气，也可以用自然语言描述想要的风格，覆盖 16 种语言，一次最多生成 3 分钟音频。目前它在 Artificial Analysis 的 TTS 排行榜上拿了第一。不过正文没披露参数量、具体延迟数据和...

推荐理由：阿里通义千问发了 Qwen-Audio-3.0-TTS，Flash 版做实时交互，Plus 版走高质量路线，用 [whisper] 这类标签直接控制语气，16 种语言、最长 3 分钟，目前在 Artificial Analysis 的 TTS 榜排第一。我会先打个折：正文没披露参数量、延迟数据和定价，这些是实际落地要看的硬指标。不过 Flash/Plus 的分层和语气标签机制本身有信息量，对做语音 agent 的人有参考价值，所以维持 78 分。