Qwen3-TTS-Flash模型是通义最新推出的实时语音合成大模型，可对qwen-voice-enrollment服务复刻的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2026年01月22日快照版本模型。
推理服务供应商
qwen3-tts-vc-2026-01-22模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text | 输出模态 | Audio |
模型体验 | 不支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | — | 最大输出长度 | — |
上下文长度 | — |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
- 华北2（北京）
- 新加坡
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
语音合成 | 0.115 | 每万字符 |
限流
- 华北2（北京）
- 新加坡
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 180 |
快照版本
qwen3-tts-vc-2026-01-22
Qwen3-TTS-Flash模型是通义最新推出的实时语音合成大模型，可对qwen-voice-enrollment服务复刻的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2026年01月22日快照版本模型。
推理服务供应商
qwen3-tts-vc-2026-01-22模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text | 输出模态 | Audio |
模型体验 | 不支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | — | 最大输出长度 | — |
上下文长度 | — |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
- 华北2（北京）
- 新加坡
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
语音合成 | 0.115 | 每万字符 |
限流
- 华北2（北京）
- 新加坡
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 180 |