Qwen3-TTS 全家桶开源上线
Qwen3-TTS开源语音合成系统支持自然语言指令精细调控语音，自研编码器实现高保真压缩并保留副语言细节。采用非DiT轻量解码与Dual-Track双轨流式建模，首帧音频延迟低至97ms。提供1.7B和0.6B参数版本，原生支持10种语言及方言，多项评测指标超越开源闭源方案。
聊聊通义实验室刚放出的Qwen3-TTS。这套全新的语音合成系统，在音色复刻、个性化定制和拟真语音生成这些方向上，都拿出了不少硬货。最值得一提的是，它支持用自然语言指令来精细调控语音——这意味着你不再需要面对一堆复杂的参数面板，直接说“我想要更活泼一点、语速快一些”就能生效，对开发者也好、普通用户也好，门槛都低了很多。
技术层面，核心引擎是自研的Qwen3-TTS-Tokenizer-12Hz多码本语音编码器，它做到了对原始语音的高保真压缩，同时保留住了语气、停顿、呼吸这些副语言细节，连录音环境里的微妙声学特征也不放过。更关键的是，它没有走流行的“LM+DiT”级联路线，而是用了轻量级的非DiT解码架构，效率更高，也更直接。在此基础上引入的Dual-Track双轨流式建模机制，实现了真正的低延迟生成——首个字符敲进去，首帧音频就已经出来了。
目前整个模型系列已经开源，参数规模有1.7B和0.6B两个版本。1.7B版本追求极致的控制力和生成效果，0.6B版本则在效率和质量之间找到了很好的平衡点。原生支持10种主流语言，还覆盖了多种地域性方言音色——从中文、英语到日语、韩语、德语、法语、俄语、葡萄牙语、西班牙语、意大利语，全球化应用场景基本一网打尽。
值得注意的是，它的上下文感知能力也很强。模型能够根据文本语义和用户指令，动态调整语调、节奏和情绪表达。哪怕输入文本里有些错别字、标点不全、或者说口语化表达，模型依然能保持稳定的合成表现，鲁棒性做得很到位。
模型规格一览
1.7B 模型
0.6B 模型
核心优势
- 高保真语音表征能力：自研编码器兼顾了声学压缩与高维语义建模，副语言线索和环境声学特征都被完整捕获。配合非DiT轻量解码，实时性和还原度都不妥协。
- 端到端统一建模范式：采用离散多码本语言模型架构，直接建模语音全维度信息，彻底摆脱传统级联范式的性能瓶颈和误差累积问题，泛化性、生成速度和上限表现都有了质的提升。
- 毫秒级流式响应：Dual-Track混合框架让单模型同时支持流式和非流式模式，首个字符输入即可输出首段音频，端到端延迟低至97ms——实时对话、虚拟助手这类强交互场景，用起来很顺手。
- 语义驱动的智能调控：用自然语言描述就能控制音色、情感、语速、韵律。文本理解模块自动匹配语气起伏和情绪张力，最终呈现出来的效果，可以说是“所思即所闻”。
综合性能评测
在音色克隆、音色创造、可控语音生成等关键任务上，Qwen3-TTS的表现相当抢眼，多项指标刷新了开源和闭源模型的纪录：
- 音色创造任务中，指令遵循准确率和语音表现力都超过了MiniMax-Voice-Design闭源方案，大幅领先其他开源竞品；
- 音色控制方面，平均词错率只有2.34%，跨语言泛化能力出色。风格一致性控制得分达到了75.4分（InstructTTS-Eval）。超长文本合成场景下，连续生成10分钟语音，中英文词错率分别稳定在2.36%和2.81%；
- 音色克隆任务，中英文语音稳定性全面优于MiniMax和SeedTTS。在10类语种评估中，平均词错率1.835%，说话人相似度0.789，双优成绩超越了MiniMax和ElevenLabs。跨语种音色迁移能力也不弱于CosyVoice3，达到了当前的SOTA水平。
Tokenizer 重构性能
在LibriSpeech test-clean数据集上的语音重建质量评估，也验证了编码器的实力：
- 感知语音质量（PESQ）宽带得分3.21，窄带得分3.68；
- 短时客观可懂度（STOI）达到0.96，UTMOS主观质量评分4.16；
- 说话人相似度指标拿下0.95分——近乎无损地保留了原始说话人的身份特征，对比效果立竿见影。
总结一下，Qwen3-TTS在语音合成的核心环节都拿出了实打实的进步：编码更加高效，架构更加直接，控制更加灵活，表现也更加稳定。对于正在寻找高质量语音合成方案的团队来说，这套开源模型的推出，意味着又多了一个值得深度研究的选择。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。