大數據文摘出品

近日，Qwen 團隊對旗下語音合成模型 Qwen-TTS 進行了重大升級。

此次更新的版本為“qwen-tts-latest”或“qwen-tts-2025-05-22”，通過 Qwen API 即可訪問和使用。

最引人注目的改動，是Qwen-TTS首次支持生成三種中文方言：北京話、上海話以及四川話。

這意味著，AI生成的語音不僅可以說普通話，還能自然地模仿出老北京的胡同腔、上海弄堂的吳語味，乃至川蜀鄉音中的抑揚頓挫。

這一能力背后，是Qwen-TTS使用了超過300萬小時的超大規模語料庫進行訓練。

不僅如此，Qwen-TTS還能自動根據文本內容，調整語音的韻律、節奏與情緒變化。

這一點尤為關鍵。它讓AI的聲音不再是單調死板的“機器合成”，而是能做到抑揚頓挫、聲情并茂。

目前，Qwen-TTS 支持七種中英雙語音色，涵蓋不同語言風格和性格特征。

包括 Cherry、Ethan、Chelsie、Serena 這幾位通用中英文配音角色，以及 Dylan（北京話）、Jada（上海話）和 Sunny（四川話）這三位方言專屬音色。

每一種音色都可以生成中英文混合語句，語調自然、語速流暢，令人難以分辨其非人類發聲。

圖源“ 通義千問Qwen ”官方微信號

據悉，Qwen-TTS在 SeedTTS-Eval 評測集上的表現已達到人類平均水平。

無論從流暢性、情感傳達、語速掌控還是音質自然度上看，均展現出業內領先的綜合能力。

而從開發者角度來看，Qwen-TTS 的使用門檻也被大幅降低。

用戶僅需通過 Qwen API，并設置必要的模型名（如“qwen-tts-latest”）與目標音色（如“Dylan”），即可快速合成高質量語音。

官方還提供了完整的Python調用示例。代碼邏輯清晰、接口穩定，只需數行，即可將文本轉為語音，并自動下載音頻文件。

調用方式靈活，支持本地部署與云端調用，適合各類開發者與企業級應用場景。

例如，只需一段簡單的文本：“喲，您猜怎么著？今兒個我看NBA，庫里投籃跟鬧著玩似的”，就能快速生成帶有北京味兒的語音內容。

這項能力，在短視頻配音、虛擬主播、播客制作、語音小說等領域具有巨大潛力。

更重要的是，Qwen-TTS 的可擴展性極強。

據官方透露，未來還將增加更多語言與語音風格，覆蓋更多方言與多語環境。

當然，這也為少數語言保護、多語種翻譯、跨境產品本地化等問題提供了新的解決思路。

作者長期關注 AI 產業與學術，歡迎對這些方向感興趣的朋友添加微信Q1yezi，共同交流行業動態與技術趨勢！

GPU 訓練特惠！

H100/H200 GPU算力按秒計費，平均節省開支30%以上！

掃碼了解詳情?