語音合成概述

​

從閉源模型遷移到百鍊？

如果你正在使用 ElevenLabs、OpenAI 或 Google 的語音合成服務，可參考下表選擇對應的百鍊模型。

使用情境	閉源模型代表	百鍊推薦
內建音色 / 標準合成	OpenAI gpt-4o-tts、Google Chirp 3	qwen-audio-3.1-tts-plus
自訂音色 / 聲音複刻	ElevenLabs Multilingual v3	qwen-audio-3.0-tts-flash（聲音複刻）、cosyvoice-v3.5-plus（聲音設計）

​

標準語音合成還是自訂音色？

語音合成模型可將文本轉換為自然語音。首先確定您需要使用內建音色還是自訂音色：

	標準語音合成	自訂音色
音色來源	模型內建音色庫，選擇即用	從音頻樣本複刻，或用文字描述建立
上手成本	無需額外配置，選擇模型和音色即可合成	需提供音頻樣本或文字描述來建立音色
適用情境	智能客服、有聲閱讀、內容播報、電商直播	品牌專屬音色、虛擬主播、遊戲角色配音
推薦模型	qwen-audio-3.1-tts-plus	qwen-audio-3.1-tts-plus（聲音複刻）、cosyvoice-v3.5-plus（聲音設計）

• 使用標準語音合成：當內建音色庫能滿足需求，希望快速上手、無需額外配置時。
• 使用自訂音色：當需要品牌專屬聲音、複刻特定人物音色，或建立全新角色音色時。

​

聲音複刻還是聲音設計？

如果選擇自訂音色，有兩種方式建立：

	聲音複刻（Voice Cloning）	聲音設計（Voice Design）
輸入方式	提供一段音頻樣本	用文字描述期望的音色（如“溫暖的低音女聲”）
效果	合成語音與原始說話人高度相似	根據描述從零產生全新音色
適用情境	品牌代言人/主播音色複用、虛擬主播、個人化語音助手	品牌音色定製（無錄音素材）、遊戲/動畫角色配音、創意內容製作
推薦模型	qwen-audio-3.1-tts-plus、qwen-audio-3.0-tts-flash	cosyvoice-v3.5-plus、cosyvoice-v3.5-flash
音色管理服務	voice-enrollment（註冊和管理音色）	voice-enrollment（註冊和管理音色）

• 使用聲音複刻：當已有目標人物的錄音素材，希望在合成中還原該音色時。
• 使用聲音設計：當沒有錄音素材，希望根據文字描述從零建立全新音色時。

​

WebSocket還是HTTP？

• WebSocket：雙向流式通訊，支援流式輸入和流式輸出，音頻邊合成邊返回，延遲最低。適用於智能客服、語音助手、話務中心等即時互動情境。
• HTTP：發送完整文本，支援流式返迴音頻（逐段輸出）。適用於有聲閱讀、音頻內容製作等情境。

Qwen-Audio-TTS/CosyVoice 系列模型使用同一模型名稱同時支援 WebSocket 和 HTTP 兩種接入方式；Qwen 系列模型通過模型名稱區分，帶 -realtime 尾碼的為 WebSocket 接入，不帶尾碼的為 HTTP 接入。 Qwen-Audio-TTS/CosyVoice 和 Qwen 系列的 WebSocket 模型支援通過 DashScope SDK（Java、Python）接入。其他模型需根據對應的 WebSocket 或 HTTP 協議直接調用。 選擇 WebSocket 接入請參考即時語音合成，選擇 HTTP 接入請參考非即時語音合成。 CosyVoice 系列模型還支援通過 AOQ 協議接入；如果是用戶端對接，且更看重穩定的延遲、弱網下的互動能力、即時雙工的降噪與回聲消除，可優先考慮 AOQ，協議對比與選型請參見Realtime API 概述。

​

指令控制

用自然語言描述期望的表達方式，可按請求動態控制語速、情緒和風格。例如“用溫柔的語氣，語速稍慢”或“用激動的播報風格”。適用於情感化內容製作、專業播報、有聲讀物等需要豐富表現力的情境。 支援指令控制的模型：Qwen-Audio-TTS 系列（qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash）、CosyVoice 系列（cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash）。詳細使用方式請參見即時語音合成 > 指令控制。

​

推薦模型

以下為各情境下最推薦的模型，可前往模型廣場查看詳情。

模型ID	系列	API	聲音複刻	聲音設計	指令控制
qwen-audio-3.1-tts-plus	Qwen-Audio-TTS	WebSocket / HTTP	支援	支援	支援
cosyvoice-v3.5-plus	CosyVoice	WebSocket	支援	支援	支援
cosyvoice-v3-plus	CosyVoice	WebSocket	支援	支援	不支援

​

所有模型

​

Qwen-Audio-TTS

qwen-audio-3.1-tts-flash 的接入方法和系統音色請參見模型接入方式和Qwen-Audio-TTS音色清單。

模型ID	API	聲音複刻	聲音設計	指令控制
qwen-audio-3.1-tts-plus	WebSocket / HTTP	支援	支援	支援
qwen-audio-3.0-tts-plus	WebSocket	支援	不支援	支援
qwen-audio-3.0-tts-flash	WebSocket	支援	不支援	支援

支援的語言：

• 系統音色（因音色而異）：中文（普通話）、英文
• 聲音複刻音色（方言通過指令控制功能進行設定）：中文（普通話、廣東話、重慶話、東北話、甘肅話、貴州話、浙江話、河北話、河南話、湖北話、湖南話、江西話、寧波話、寧夏話、青島話、陝西話、山西話、山東話、上海話、四川話、雲南話）、英語、日語、韓語、俄語、法語、德語、葡萄牙語、泰語、印尼語、越南語、西班牙語、意大利語、馬來西亞語、菲律賓語、阿拉伯語

​

CosyVoice

部分 CosyVoice 模型支援 SSML 標記和 LaTeX 方程式朗讀。

模型ID	API	聲音複刻	聲音設計	指令控制
cosyvoice-v3.5-plus	WebSocket	支援	支援	支援
cosyvoice-v3.5-flash	WebSocket	支援	支援	支援
cosyvoice-v3-plus	WebSocket	支援	支援	不支援
cosyvoice-v3-flash	WebSocket	支援	支援	支援
cosyvoice-v2	WebSocket	支援	不支援	不支援

支援的語言（按版本）：

• cosyvoice-v3.5-plus、cosyvoice-v3.5-flash（不支援系統音色）：
  • 聲音複刻音色（方言通過指令控制功能進行設定）：中文（普通話、廣東話、東北話、甘肅話、貴州話、河南話、湖北話、江西話、閩南話、寧夏話、山西話、陝西話、山東話、上海話、四川話、天津話、雲南話）、英文、法語、德語、日語、韓語、俄語、葡萄牙語、泰語、印尼語、越南語
  • 聲音設計音色：中文（普通話）、英文
• cosyvoice-v3-plus：
  • 系統音色（因音色而異）：中文（普通話）、英文
  • 聲音複刻音色（方言通過指令控制功能進行設定）：中文（普通話、廣東話、東北話、甘肅話、貴州話、河南話、湖北話、江西話、閩南話、寧夏話、山西話、陝西話、山東話、上海話、四川話、天津話、雲南話）、英文、法語、德語、日語、韓語、俄語
  • 聲音設計音色：中文（普通話）、英文
• cosyvoice-v3-flash：
  • 系統音色（因音色而異，部分方言由系統音色直接支援，部分通過指令控制功能設定）：中文（普通話、廣東話、東北話、河南話、湖南話、陝西話、山東話、四川話、安徽話、閩南話）、英文
  • 聲音複刻音色（方言通過指令控制功能進行設定）：中文（普通話、廣東話、東北話、甘肅話、貴州話、河南話、湖北話、江西話、閩南話、寧夏話、山西話、陝西話、山東話、上海話、四川話、天津話、雲南話）、英文、法語、德語、日語、韓語、俄語、葡萄牙語、泰語、印尼語、越南語
  • 聲音設計音色：中文（普通話）、英文
• cosyvoice-v2（不支援聲音設計音色）：
  • 系統音色（因音色而異）：中文（普通話、粵語、東北話、閩南話、陝西話）、英文、日語、韓語
  • 聲音複刻音色：中文（普通話）、英文

​

Qwen3-TTS

模型ID	API	聲音複刻	聲音設計	指令控制
qwen3-tts-flash	HTTP	不支援	不支援	不支援
qwen3-tts-flash-realtime	WebSocket	不支援	不支援	不支援

支援的語言（按版本）：

• Qwen3-TTS-Flash 系列（系統音色）（qwen3-tts-flash、qwen3-tts-flash-realtime）：中文（普通話、北京話、上海話、四川話、南京話、陝西話、閩南話、天津話、粵語，因音色而異）、英文、德語、意大利語、葡萄牙語、西班牙語、日語、韓語、法語、俄語