近日，Qwen 團(tuán)隊對旗下語音合成模型 Qwen-TTS 進(jìn)行了重大升級。

此次更新的版本為“qwen-tts-latest”或“qwen-tts-2025-05-22”，通過 Qwen API 即可訪問和使用。

圖片

最引人注目的改動，是Qwen-TTS首次支持生成三種中文方言：北京話、上海話以及四川話。

這意味著，AI生成的語音不僅可以說普通話，還能自然地模仿出老北京的胡同腔、上海弄堂的吳語味，乃至川蜀鄉(xiāng)音中的抑揚頓挫。

這一能力背后，是Qwen-TTS使用了超過300萬小時的超大規(guī)模語料庫進(jìn)行訓(xùn)練。

不僅如此，Qwen-TTS還能自動根據(jù)文本內(nèi)容，調(diào)整語音的韻律、節(jié)奏與情緒變化。

這一點尤為關(guān)鍵。它讓AI的聲音不再是單調(diào)死板的“機器合成”，而是能做到抑揚頓挫、聲情并茂。

目前，Qwen-TTS 支持七種中英雙語音色，涵蓋不同語言風(fēng)格和性格特征。

包括 Cherry、Ethan、Chelsie、Serena 這幾位通用中英文配音角色，以及 Dylan（北京話）、Jada（上海話）和 Sunny（四川話）這三位方言專屬音色。

每一種音色都可以生成中英文混合語句，語調(diào)自然、語速流暢，令人難以分辨其非人類發(fā)聲。

圖源“通義千問Qwen”官方微信號

據(jù)悉，Qwen-TTS在 SeedTTS-Eval 評測集上的表現(xiàn)已達(dá)到人類平均水平。

無論從流暢性、情感傳達(dá)、語速掌控還是音質(zhì)自然度上看，均展現(xiàn)出業(yè)內(nèi)領(lǐng)先的綜合能力。

而從開發(fā)者角度來看，Qwen-TTS 的使用門檻也被大幅降低。

用戶僅需通過 Qwen API，并設(shè)置必要的模型名（如“qwen-tts-latest”）與目標(biāo)音色（如“Dylan”），即可快速合成高質(zhì)量語音。

官方還提供了完整的Python調(diào)用示例。代碼邏輯清晰、接口穩(wěn)定，只需數(shù)行，即可將文本轉(zhuǎn)為語音，并自動下載音頻文件。

圖片

調(diào)用方式靈活，支持本地部署與云端調(diào)用，適合各類開發(fā)者與企業(yè)級應(yīng)用場景。

例如，只需一段簡單的文本：“喲，您猜怎么著？今兒個我看NBA，庫里投籃跟鬧著玩似的”，就能快速生成帶有北京味兒的語音內(nèi)容。

這項能力，在短視頻配音、虛擬主播、播客制作、語音小說等領(lǐng)域具有巨大潛力。

更重要的是，Qwen-TTS 的可擴展性極強。

據(jù)官方透露，未來還將增加更多語言與語音風(fēng)格，覆蓋更多方言與多語環(huán)境。

當(dāng)然，這也為少數(shù)語言保護(hù)、多語種翻譯、跨境產(chǎn)品本地化等問題提供了新的解決思路。