AI灵感世界它是什么
Qwen3-TTS 是 Qwen 团队在 GitHub 上开源的一套语音合成（TTS）模型，有 0.6B 和 1.7B 两种规模。它可以照文字描述设计一个新音色，可以用固定音色朗读，也可以照一段参考音频克隆声音，Base 版的说明写的是 3 秒参考音频就够。README 说它覆盖中文、英文、日语、韩语等 10 种主要语言，还有多种方言音色。设计音色、克隆声音、用自然语言控制语气，这几种用法放在同一套模型里，是它的特别之处。
适合谁：想在自己的电脑或服务器上部署语音模型的开发者和音频创作者，不写代码的读者用不上。
使用前提：在本地运行要自己准备算力和模型文件。也可以走阿里云 DashScope 的云端接口，要有账号和 API 密钥，按用量收费，这时你的音频会传到阿里云。仓库代码是 Apache-2.0 许可，模型权重的许可本站没有读到。官方没有说明克隆别人的声音需要怎样的授权，请只用你自己的声音，或者已经得到对方同意的声音。
以上根据项目公开说明整理，本站没有实际测试。