Qwen-Audio-3.0-TTS Flash
Qwen-Audio-3.0-TTS Flash a été annoncé par Tongyi Lab le 20 juillet 2026. Selon Model Studio, il reçoit du texte et produit de l’audio pour les interactions vocales en temps réel.
À quoi sert Qwen-Audio-3.0-TTS Flash
Qwen-Audio-3.0-TTS Flash est un modèle de synthèse vocale optimisé pour les scénarios interactifs en temps réel, selon Model Studio.
Audio
La version Flash se concentre sur la synthèse en temps réel, avec une latence du premier paquet inférieure à 200 ms, selon Model Studio. Pour les usages, Model Studio la juge adaptée aux assistants vocaux, au dialogue en temps réel, au service client intelligent et à d’autres applications interactives qui demandent une faible latence.
Par rapport à la version précédente, le modèle prend en charge davantage de langues peu dotées et de dialectes chinois, avec un rendu des dialectes plus authentique, selon Model Studio. Il renforce aussi le suivi d’instructions libres et le contrôle par balises fines de l’émotion, du ton, du personnage, du débit, du volume et du style, selon Model Studio. Il est aussi plus robuste en conditions acoustiques bruyantes et réverbérantes, et sa qualité audio, sa clarté et son expressivité d’ensemble sont améliorées, selon Model Studio.
Synthèse vocale
Les voix système et les voix clonées acceptent des instructions en langage naturel dans le champ instruction de la requête, selon le guide de synthèse vocale en temps réel de Model Studio. Pour régler l’émotion et le style de la voix, le modèle accepte aussi des balises écrites directement dans le texte à synthétiser, selon ce guide de Model Studio. Des balises non verbales insèrent des rires ou des soupirs à un endroit précis, selon le guide de Model Studio.
Qwen-Audio-3.0-TTS a été entraîné avec une simulation acoustique ciblée pour intégrer l’amélioration de la parole au clonage de voix, selon Tongyi Lab le 20 juillet 2026. Ce procédé supprime la réverbération et le bruit tout en préservant le timbre de la voix, selon Tongyi Lab le 20 juillet 2026.
- Audio
- Synthèse vocale
Caractéristiques techniques de Qwen-Audio-3.0-TTS Flash
Qwen-Audio-3.0-TTS Flash appartient à la lignée Qwen-Audio-3.0-TTS, annoncée par Tongyi Lab le 20 juillet 2026 avec deux variantes, Flash et Plus. Dans le journal des modèles de Model Studio, la plateforme d’Alibaba Cloud, qwen-audio-3.0-tts-flash est inscrit au 14 juillet 2026 pour la synthèse vocale en temps réel dans la région internationale.
Selon Model Studio, le modèle accepte du texte en entrée et produit de l’audio en sortie. Selon la documentation de Model Studio, il s’utilise par WebSocket et prend en charge le clonage de voix ainsi que le contrôle par instruction. En revanche, la création de voix à partir d’une description n’est pas prise en charge, selon la documentation de Model Studio.
Selon la documentation de Model Studio mise à jour le 12 octobre 2026, les voix système parlent le chinois mandarin et l’anglais, selon la voix choisie. Avec des voix clonées, le modèle prend en charge l’anglais, le japonais, le coréen, le russe, le français, l’allemand, le portugais, le thaï, l’indonésien, le vietnamien, l’espagnol, l’italien, le malais, le filipino et l’arabe, selon la documentation de Model Studio mise à jour le 12 octobre 2026.
Pour le chinois avec des voix clonées, le modèle prend en charge le mandarin, le cantonais et les parlers de Chongqing, du Nord-Est, du Gansu, du Guizhou, du Zhejiang, du Hebei, du Henan, du Hubei, du Hunan, du Jiangxi, de Ningbo, du Ningxia, de Qingdao, du Shaanxi, du Shanxi, du Shandong, de Shanghai, du Sichuan et du Yunnan, selon la documentation de Model Studio mise à jour le 12 octobre 2026. Les dialectes se règlent par instruction, selon cette documentation de Model Studio.
Dans son annonce du 20 juillet 2026, Tongyi Lab liste pour Qwen-Audio-3.0-TTS l’arabe, le chinois, l’anglais, le français, l’allemand, l’indonésien, l’italien, le japonais, le coréen, le malais, le portugais, le russe, l’espagnol, le tagalog, le thaï et le vietnamien. Pour l’ensemble de ces langues, Tongyi Lab annonce une prise en charge complète pour bientôt dans ce même billet du 20 juillet 2026.
Selon la liste des voix de Model Studio, le modèle compte douze voix système, dont trois voix anglaises premium nommées loongmary, loongeva et loongjohn. Selon la liste des voix de Model Studio, il propose aussi plus de 500 voix de base générées par clonage, qui s’utilisent dans l’appel de la même façon que les voix système. Enfin, selon la page de présentation de l’équipe Qwen Audio d’Alibaba Group, la synthèse de textes longs peut atteindre 3 minutes en une seule passe.
- Éditeur
Alibaba (Qwen)- Sortie
- Hébergeurs
- Alibaba
Source : OpenRouter.
Où utiliser Qwen-Audio-3.0-TTS Flash
Qwen-Audio-3.0-TTS Flash est proposé via le service d’inférence Alibaba Cloud Model Studio, selon Model Studio. Le 20 juillet 2026, Tongyi Lab avait annoncé la disponibilité de Qwen-Audio-3.0-TTS et renvoyé à l’API de Model Studio.
Selon le guide de synthèse vocale en temps réel de Model Studio, mis à jour le 19 octobre 2026, l’appel nécessite une clé d’API et un point d’accès à Singapour ou en Chine (Pékin). Selon la documentation de Model Studio, le SDK DashScope, kit de développement, permet d’appeler les modèles Qwen-Audio-TTS en Java et Python. Selon un tutoriel de Model Studio, le modèle prend en charge le protocole d’événements AOQ Inference, qui envoie le texte par segments et renvoie la parole synthétisée en flux.
L'API Alibaba (Qwen)
Pour relier le modèle à votre application
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
Qwen-Audio-3.0-TTS Flash ou Qwen-Audio-3.0-TTS Plus : lequel choisir ?
Qwen-Audio-3.0-TTS Flash est, à sa sortie, réglée pour l’interaction en temps réel, avec une latence du premier paquet de l’ordre de 300 ms, selon Tongyi Lab, le 20 juillet 2026. Présentée ensemble avec Flash, la variante Plus est réglée pour une génération de haute qualité, où le naturel et la fidélité du timbre comptent plus que la vitesse, selon Tongyi Lab.
Qwen-Audio-3.0-TTS Flash parmi les versions de Qwen Audio TTS
Qwen-Audio-3.0-TTS Flash, sorti le 14 juillet 2026, est l’une des 2 versions de Qwen Audio TTS publiées sur Aikiwi, rangées dans la frise par date de sortie.
Les versions sélectionnées
| Repères | Qwen-Audio-3.0-TTS FlashVous êtes ici | Qwen-Audio-3.0-TTS Plus |
|---|---|---|
| Elo | ||
| Sortie | ||
| Contexte | ||
| Prix d'entrée | ||
| Prix de sortie | ||
| Entrées | ||
| Réflexion | ||
| Tâches | ||
| Ce qui le distingue | Qwen-Audio-3.0-TTS Flash a été annoncé par Tongyi Lab le 20 juillet 2026. Selon Model Studio, il reçoit du texte et produit de l’audio pour les interactions vocales en temps réel. | Qwen-Audio-3.0-TTS Plus est un modèle de synthèse vocale annoncé le 20 juillet 2026 par Tongyi Lab, le laboratoire d’Alibaba. Selon Model Studio, il lit du texte et produit de l’audio ; Model Studio le juge adapté, entre autres, aux livres audio et au doublage de films et de vidéos. |
Les repères sont ceux renseignés dans l'annuaire ; un repère absent de toutes les versions sélectionnées n'est pas affiché. Comparaison complète dans le comparateur
La génération Qwen 3
FAQ
Quand Qwen-Audio-3.0-TTS Flash a-t-il été annoncé ?
Qwen-Audio-3.0-TTS Flash fait partie de la lignée Qwen-Audio-3.0-TTS annoncée par Tongyi Lab le 20 juillet 2026, avec les variantes Flash et Plus. Le journal des modèles de Model Studio, la plateforme d’Alibaba Cloud, inscrit qwen-audio-3.0-tts-flash au 14 juillet 2026, en synthèse vocale en temps réel dans la région internationale.
Que peut lire Qwen-Audio-3.0-TTS Flash ?
Qwen-Audio-3.0-TTS Flash lit du texte en entrée, selon Model Studio. En sortie, il produit de l’audio, selon Model Studio.
Quelles langues parle Qwen-Audio-3.0-TTS Flash ?
Qwen-Audio-3.0-TTS Flash et Qwen-Audio-3.0-TTS Plus parlent le chinois mandarin et l’anglais avec leurs voix système, selon la voix, d’après la documentation de Model Studio mise à jour le 12 octobre 2026. Selon la documentation de Model Studio mise à jour le 12 octobre 2026, avec des voix clonées, ces deux modèles parlent le chinois (mandarin, cantonais et les parlers de Chongqing, du Nord-Est, du Gansu, du Guizhou, du Zhejiang, du Hebei, du Henan, du Hubei, du Hunan, du Jiangxi, de Ningbo, du Ningxia, de Qingdao, du Shaanxi, du Shanxi, du Shandong, de Shanghai, du Sichuan et du Yunnan, les dialectes se réglant par instruction), l’anglais, le japonais, le coréen, le russe, le français, l’allemand, le portugais, le thaï, l’indonésien, le vietnamien, l’espagnol, l’italien, le malais, le filipino et l’arabe. Selon le billet de Tongyi Lab du 20 juillet 2026, Qwen-Audio-3.0-TTS prend en charge 16 langues : l’arabe, le chinois, l’anglais, le français, l’allemand, l’indonésien, l’italien, le japonais, le coréen, le malais, le portugais, le russe, l’espagnol, le tagalog, le thaï et le vietnamien ; Tongyi Lab y annonce aussi leur prise en charge complète pour bientôt.
Usage sur OpenRouter
- Voix
- 230 k requêtes sur le dernier mois · 11e sur 20 des modèles les plus utilisés en Voix
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.