近日，我们通过 Qwen API 更新了 Qwen-TTS ( qwen-tts-latest or qwen-tts-2025-05-22 ) 的最新版本。此次，Qwen-TTS 新增支持生成三种中文方言，包括北京话、上海话和四川话。

Qwen-TTS 使用了超过 300 万小时的大规模语料库进行训练，合成效果达到了人类级别的自然度和表现力。值得一提的是，Qwen-TTS 能够根据输入文本自动调整韵律、节奏和情绪变化，进一步提升语音的真实感和表达力。

目前，Qwen-TTS 支持七种中英双语音色，包括 Cherry、Ethan、Chelsie、Serena、Dylan（北京话）、Jada（上海话） 和 Sunny（四川话）。未来，我们还将推出更多语言和语音风格，进一步丰富用户的选择体验。

Qwen-TTS API 地址

百炼：https://help.aliyun.com/zh/model-studio/qwen-tts

Qwen-TTS模型发布：方言语音合成新突破，真实感媲美真人

引言

随着人工智能技术的飞速发展，语音合成技术作为其中的重要分支，逐渐走进了我们的日常生活。阿里巴巴通义团队最新推出的Qwen-TTS模型，标志着语音合成领域的又一重磅突破。与以往的语音合成系统相比，Qwen-TTS不仅在语音的真实感和自然度上有显著提升，还新增了对多种中文方言的支持，使其能够更好地适应不同的应用场景，满足全球化市场的需求。

Qwen-TTS的技术创新与亮点

1. 超高真实感的语音合成

Qwen-TTS的最大优势之一就是其高度逼真的语音合成能力。通过深度学习和大规模数据训练，Qwen-TTS能够生成接近真人发音的语音，不仅音质清晰自然，还能够灵活调整语调、语速、停顿等细节，使得语音更加生动、有情感。这使得Qwen-TTS在语音助手、语音翻译、以及其他需要高质量语音输出的场景中，展现出巨大的应用潜力。

2. 多种方言和双语音色支持

Qwen-TTS的另一大亮点是对多种中文方言的支持。中国的方言种类繁多，每种方言都有其独特的发音规则和语音特点。Qwen-TTS通过不断优化训练模型，使得该系统能够准确合成粤语、吴语、闽南语等多个方言的语音，甚至能在同一段语音中自然切换语言和方言，为用户提供更具本土化和个性化的语音服务。此外，Qwen-TTS还支持双语音色，用户可以根据具体需求选择不同的音色，满足更广泛的语音合成需求。

3. 情感调节与流式输出

与传统的语音合成模型不同，Qwen-TTS不仅注重语音的清晰度和准确性，更加关注语音的情感表达。通过情感调节功能，Qwen-TTS能够根据不同的场景和情境，生成包含不同情感色彩的语音。例如，在情感丰富的广告语音或故事配音中，Qwen-TTS能够通过调节语速、语调及语气，增强语音的感染力和表现力。此外，Qwen-TTS支持流式输出，意味着它可以在实时语音合成时直接生成语音，减少了延迟，尤其适合实时语音应用，如在线客服、虚拟助手和智能设备的语音交互。

4. API开放，降低技术门槛

为了让更多的开发者和企业能够轻松接入这一技术，Qwen-TTS通过API接口开放使用。传统的语音合成技术往往需要专业的知识和硬件支持，但Qwen-TTS通过简化接入流程，极大地降低了技术门槛。无论是初创公司还是大型企业，都可以方便快捷地将这一强大技术应用到自己的产品和服务中，推动语音合成技术的普及。

应用场景与行业影响

Qwen-TTS的发布不仅是语音合成技术的技术突破，也意味着它将被广泛应用于多个行业，带来深远的影响。

教育领域

在教育行业中，Qwen-TTS的应用将使得语言学习、在线教学、以及听力训练等方面得到极大的提升。通过使用自然、富有情感的语音，学生能够获得更真实的听力体验，尤其在口音和方言多样化的地区，Qwen-TTS能够生成当地特有的语音风格，帮助学生更好地适应不同的语言环境。

娱乐行业

在娱乐行业，尤其是游戏、动画、虚拟主播等领域，Qwen-TTS可以为角色提供更真实、更具表现力的配音。其对情感调节的支持，使得虚拟角色的语音更加生动，能够更好地与观众产生情感共鸣。此外，Qwen-TTS的方言支持，能够让游戏或动画作品更加贴合不同地区观众的文化背景，提升用户的沉浸感。

智能客服与语音助手

Qwen-TTS将在智能客服和语音助手领域引起革命性变化。传统的语音助手往往采用单一、机械化的声音，而Qwen-TTS能够根据不同情境调节语音的情感和语调，使得智能客服和语音助手的沟通更加人性化。例如，在客户服务过程中，Qwen-TTS可以根据客户的情绪变化调整语音的语气，使得沟通更加流畅、亲切，增强用户体验。

跨语言和跨文化交流

Qwen-TTS不仅支持中文方言，还能够根据不同的语言和文化需求，进行高质量的语音合成。在国际化场景中，Qwen-TTS能够为多语言、多文化的用户提供更贴合的语音服务，无论是在外语学习、跨国电商、还是全球化客服等领域，都能够大大提升用户体验，减少语言障碍。

Qwen-TTS与传统语音合成技术的区别

与传统的语音合成技术相比，Qwen-TTS在多个方面做出了创新：

  • 多方言支持：传统的语音合成模型多以普通话为主，而Qwen-TTS能够支持多种方言和语音风格，为不同地区和用户提供个性化的语音服务。
  • 情感调节功能：许多传统语音合成系统的语音较为生硬，缺乏情感表达。Qwen-TTS的情感调节能力使得语音更加丰富、自然，能更好地与人类进行情感交流。
  • 流式输出与实时生成：Qwen-TTS的流式输出使得它在实时性上大大优于传统语音合成技术，尤其在智能客服等需要实时响应的场景中，展现了巨大的优势。

结语

Qwen-TTS的发布不仅代表了语音合成技术的技术突破，更为多个行业提供了新的发展机遇。其高度的自然感、多方言支持、以及情感调节功能，使得语音合成技术进入了一个全新的时代。随着技术的不断发展和应用场景的不断拓展，Qwen-TTS有望在教育、娱乐、智能客服等领域发挥更大的作用，推动整个社会的智能化进程。