# 通义千问发布Qwen-Audio-3.0-TTS，登顶TTS排行榜

- 来源：AI HOT 精选
- 发布时间：2026-07-23T12:33:27.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/46115
- 原文：https://x.com/Alibaba_Qwen/status/2080270065547809133

## 摘要

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。

## 推荐理由

通义千问发布 Qwen-Audio-3.0-TTS 的 Flash 与 Plus 两个版本，支持内联标签和自然语言控制语气，覆盖 16 种语言，在 Artificial Analysis 的 TTS 排行榜位列第一。

## 锐评

TTS 榜第一先放一边，Flash 和 Plus 分层才是这条里能用的东西。实时交互和高质量生成本来就是两套账，延迟和成本差一个量级，硬塞进一个模型里两头都不讨好，分开做才对。语气标签用 [whisper]、[angry] 这种内联写法，比让模型自己猜情绪稳，做语音 agent 的接起来省事。参数量、延迟、定价一个没给，这三样才决定能不能上线。
