Qwen3 Tts Flash Realtime 2025 09.18

把短句连续说给用户听

Qwen3-TTS-Flash-Realtime-2025-09-18 使用 WebSocket 接收分段文字并返回语音，适合旅行服务提示、互动问答的语音输出、设备助手和学习应用。它提供 17 种预置音色，可根据受众与内容选择声音，再逐段提交已经确定的回复。

模型支持多种语言和中文方言，同一音色可用于多语言输出，并根据文本内容调整语气。制作双语服务时，可以先确定音色，分别合成中文与外语正文，保持服务声音相近。方言播报应选择支持目标方言的音色，地名和专有名称要先试听。

分段时保留完整意思

实时文本经常来自另一模型的连续生成结果。应用宜收集成完整短句再发送，保留句号和问号，不要在地址、日期或姓名中间拆开。重要信息可用单独句子表达，方便听众记住，也便于用户打断后重新播报。

一轮内容发完后，应正确结束输入并继续接收音频，直到本轮合成完成。播放端负责音频排序、缓冲与停止；用户切换任务时应清理旧轮次的待播内容。此型号为固定快照，项目已有合适音色和播放流程时，可继续沿用并用真实业务文本做回归试听。

北京地域基准价为 1 元/万计费字符，输出音频不另收费。汉字通常计 2 个字符，SSML 标签不计入，按返回字符数结算。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。

旅行服务的双语提示

选择本快照支持的 Jennifer 音色，中文会话中提交：“请在二号出口集合。车辆将在十分钟后出发。”英文会话中提交：“Please meet at Exit Two. The bus will leave in ten minutes.”

分别结束输入并完整接收音频，检查出口编号和时间是否清楚。

可以提交新版本才有的音色吗？

使用音色列表中明确支持 2025-09-18 的声音；不同快照的音色范围可能不同。

怎么防止用户漏听重要信息？

把地点、时间等写成短句，提供重播入口，并在用户打断时清理旧音频队列。