12月24日，阿里通义发布Qwen3-TTS家族两款新模型：音色创造模型Qwen3-TTS-VD-Flash和音色克隆模型Qwen3-TTS-VC-Flash。前者支持通过自然语言指令精细调控音色、情感等，实现高度定制化声音生成，综合表现优于GPT-4o-mini-tts等竞品；后者可基于3秒音频实现多语种音色克隆，支持10种主流语言，平均词错误率（WER）领先MiniMax等模型。两款模型均具备高表现力拟人化音色与强大文本解析能力，适用于复杂文本处理和多样化场景需求。相关API文档已上线，为开发者提供便捷接入方式。

12月15日，阿里通义发布两款‘百聆’语音模型升级版并开源。Fun-CosyVoice3支持3秒录音即可克隆音色，切换9种语言、18种方言及多种情感，首包延迟降低50%，中英混说准确率提升显著。Fun-ASR增强噪声场景识别率达93%，支持31种语言自由混说与歌词识别。两模型均支持本地部署与二次开发，适用于语音助手、直播配音等实时场景。开源地址已公布，供开发者体验与定制化微调。