跳到主要内容

Qwen3 TTS

阿里巴巴的配音旁白 TTS 双子星。画板上有两个变体,在音色广度与风格控制之间取舍:

  • Qwen3 TTS Flash —— 36 个表现力音色,含 8 种中文方言(北京、上海、四川、粤语……)。
  • Qwen3 TTS Instruct —— 24 个标准普通话音色,外加自然语言指令字段控制演绎。

能力​

特性FlashInstruct
文本转语音支持支持
音色36（含 8 种方言）24（标准普通话）
方言音色有无
风格指令字段无有
最长时长180 秒180 秒

怎么选​

  • 需要地道方言口音? → Flash。选一个方言音色,出来就是原汁原味的口音 —— 不需要任何提示词技巧。
  • 需要定向演绎? → Instruct。在指令字段里描述读法:"新闻播报节奏,权威但温暖,数字处放慢"。

指令字段(Instruct)​

与文稿本身分离,台词保持干净:

  • 文稿: 今晚八点,决赛正式打响。
  • 指令: 体育解说风格,语速快,情绪逐句升高

语速、语气、情绪、重音、人设方向都有效 —— 中英文皆可。

提示词技巧​

  • 方言音色自带口音。 写标准文本即可,音色会用母语方式念出来 —— 不要试图用拼写模拟口音。
  • 数字和单位加空格更稳。 "3 分 20 秒"比"3'20''"读得更可靠。
  • 先按内容语域选音色,再用指令(Instruct)或标点(Flash)微调。

局限​

  • 仅预置音色 —— 不接受参考音频输入
  • 单次单说话人 —— 无对话模式(双人对话用 Gemini 3.1 Flash TTS)
  • 单次生成上限 3 分钟

另请参阅​