Qwen3 Tts Flash Realtime 2025 11.27

让互动讲解有自己的声音

Qwen3-TTS-Flash-Realtime-2025-11-27 通过 WebSocket 把分段文字合成为连续语音，提供 51 种预置音色。它适合互动导览、语音课程、角色助手和客服播报，可按内容选择不同声音特点，并在文字陆续产生时接收音频。

模型支持多语言和中文方言，同一音色能够用于多语言输出，也会根据文本内容自适应调整语气。例如导览应用可以在观众选择不同语言后，保持相近的声音形象，播放已经校对的相应文稿。方言则需选择明确支持目标方言的音色，先试听展品名称和地方专有词。

把一轮讲解组织完整

先建立会话并配置音色，再按自然语义发送正文。讲解内容可以是展品概述、细节观察和互动问题，每段保留完整句子与标点，帮助听众理解结构。提交结束后继续接收音频，等待本轮完成，再收尾或安排下一段。

应用应管理音频顺序、播放缓冲和打断行为。观众切换展品或提出新问题时，停止旧内容播放，再处理新目标；文本中包含引用、链接或内部标记时，先转为适合朗读的正文。声音生成与展品知识、问题回答分别处理，更方便维护内容质量。

此型号固定为 2025 年 11 月 27 日快照，适合保存音色配置并持续维护同一项目。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。

互动展览的一轮播报

会话中选择 Serena，先发送：“这幅画描绘的是清晨的港口。请留意远处的船帆。”再发送：“如果您想了解画家的用色方法，可以选择屏幕上的细节讲解。”

正确结束输入，持续接收音频并顺序播放。

可以边生成解说词边播报吗？

可以将文本生成结果整理为完整短句，再分段送入实时合成，避免拆开名称和数字。

切换展品时声音还在继续怎么办？

由应用停止旧音频、清理待播队列，再接入新展品的正文，避免不同轮次内容重叠。