7月20日，阿里巴巴正式发布语音合成大模型Qwen-Audio-3.0-TTS，包含Flash与Plus两个版本，其中Plus版已成功登顶全球第三方权威榜单Artificial Analysis。该模型标志着AI语音进入“表演时代”，不仅支持细粒度情绪标签控制，能精准演绎轻笑、愤怒等声音细节，还全面覆盖16种语言与20种方言，在多语种评测中斩获多项第一。此外，模型具备高噪环境抗噪克隆能力，音质提升至48kHz录音棚级标准。即日起，两款模型已在阿里云百炼平台开放调用。