Qwen Audio 3.0 Tts Flash

让交互提示更容易听懂

Qwen-Audio-3.0-TTS-Flash 为实时交互优化，适合语音助手回复、客服引导、学习应用讲解和设备操作提示。输入需要说出的正文后，模型生成对应音频；流式输出可让播放器逐段接收声音，帮助应用缩短等待完整文件的时间。

它支持自然语言指令，可以描述情绪、语气、角色、语速和音量。比如操作引导强调清晰、平稳和步骤间停顿，答题反馈可以更轻快，重要提醒则采用严肃语气。正文还可加入情感标签，在同一段中切换表达；富语言标签可插入笑声、叹息等声音，适合需要角色感的内容。

按受众选择声音

模型支持多语言与中文方言，提供系统音色，也可使用声音复刻、声音设计产生的自定义音色。方言播报应先选择支持目标方言的系统音色，或对复刻音色用指令提出要求；声音设计音色暂不支持方言。测试时用包含实际地名、人名和数字的句子，更容易发现与使用场景有关的读音问题。

交互文本应短而完整，每句只表达一个动作。把业务结果和朗读文字分开维护，避免把订单字段名、格式标记或内部说明直接读给用户；同时由应用处理音频播放和用户打断。

字符计费

北京地域基准价为 1 元/万计费字符，输出音频不另收费，按返回的计费字符数结算。汉字通常计 2 个字符，SSML 标签不计入，字符数与 Token 数不同。美元基准按 1 美元 = 6.8 元换算，最终费用应用账户分组倍率。

操作引导试音

正文：“请打开设备电源，等待指示灯变为蓝色。接下来，长按顶部按钮三秒，听到提示音后松开。”

声音要求：“清晰温和，中等偏慢语速，两步之间稍作停顿，数字三要听得明确。”

提示词会被一起读出来吗？

将声音要求放在指令字段，待朗读正文单独填写；需要局部情绪变化时，再把本系列支持的标签写入正文。

选择方言时先检查什么？

检查音色是否支持目标方言，再用真实业务短句试听。不同音色类型的方言设置方式不同，不宜只修改正文语言。