千问于 7 月 20 日发布语音合成大模型 Qwen-Audio-3.0-TTS，主打 Free-style 自然语言指令控制。用户可通过日常语言描述语气、节奏、风格等需求，模型据此生成语音，减少传统参数配置。该模型提供 Flash 与 Plus 两个版本：Flash 面向实时交互，首包延迟降至 300 毫秒级，适用于实时问答、语音助手等场景；Plus 面向高质量生成，侧重音质与表现力，适用于有声书、配音和内容创作。
千问于 7 月 20 日发布语音合成大模型 Qwen-Audio-3.0-TTS，主打 Free-style 自然语言指令控制。用户可通过日常语言描述语气、节奏、风格等需求，模型据此生成语音，减少传统参数配置。该模型提供 Flash 与 Plus 两个版本：Flash 面向实时交互，首包延迟降至 300 毫秒级，适用于实时问答、语音助手等场景；Plus 面向高质量生成，侧重音质与表现力，适用于有声书、配音和内容创作。