您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
阿里巴巴全新Qwen模型仅需三秒音频即可克隆声音
2025年12月24日 由 alex 发表
3238
0
阿里云通义千问团队发布了两款全新的人工智能语音模型，可通过文本指令生成或克隆语音。其中，Qwen 3-TTS-VD-Flash 模型支持用户根据详细描述生成语音，能够精准定义情感、语速等声音特征。例如，用户可输入指令，生成 “一位中年男性的洪亮男中音 —— 活力爆棚的电视购物风格语音，语速极快，音调起伏夸张，满满推销感”。据官方介绍，该模型的性能优于今年春季早些时候推出的 OpenAI GPT-4o mini-tts 接口。
二款发布的模型是Qwn 3-TTS-VC-Flash，仅需三秒音频即可克隆声音，并能以十种语言还原该音色。通义千问团队表示，该模型的错误率低于 Elevenlabs、MiniMax 等同类竞品。此外，这款人工智能还可处理复杂文本、模拟动物叫声，并能从录音中提取目标声音。上述两款模型均可通过阿里云 API 调用，用户也可在 Hugging Face 平台体验这两款语音生成与克隆模型的演示版本。
文章来源：https://the-decoder.com/alibabas-new-qwen-models-can-clone-voices-from-three-seconds-of-audio/
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
写评论取消
回复取消