阿里巴巴推出新款 Qwen 模型，三秒音频即可克隆声音

阿里巴巴云计算的 Qwen 团队发布两款全新人工智能模型，可通过文本指令生成或克隆声音。Qwen3-TTS-VD-Flash 能根据详细描述生成声音，性能超 OpenAI 最近推出的 GPT-4o mini-tts API。Qwen3-TTS-VC-Flash 可仅用三秒音频复制声音，能在十种语言中复现，错误率低于竞争对手。该 AI 能处理复杂文本、模仿动物声音、提取声音，两款模型可通过阿里巴巴云 API 访问，也能在 Hugging Face 平台尝试演示。