Qwen3 Tts Vc Realtime 2025 11.27

让实时提示延续熟悉的声音

Qwen3-TTS-VC-Realtime-2025-11-27 适合在应用中使用固定说话人音色，例如课程教练提示、品牌助手回复和多语言引导。它将文字通过 WebSocket 实时合成为音频，使用声音复刻服务创建的 voice ID，并根据正文自适应调整语气。

使用前先准备参考录音，创建适配本型号的复刻音色并完成试听。日常调用只需要使用这个音色 ID 和新正文；录音用于建立声音特点，不能代替本轮要表达的内容。已有其他型号的音色时，检查适用模型、账号和地域，再接入会话。

把动作和关键信息说清楚

同一音色支持 11 个语种，便于向不同语言用户提供相近的声音形象。合成前分别校对各语言文稿，检查方向、次数、时长与名称。运动或设备操作提示宜一句一个动作，把条件与下一步分开，避免一口气朗读过长说明。

实时输入可随业务流程逐段提交，但每段尽量保留完整短句和标点。应用应决定何时播报、何时暂停以及何时切换新任务，不能仅凭模型生成声音就判断用户已经完成操作。

发送完一轮正文后，正确结束输入并继续接收音频，播放端处理顺序、缓冲与打断。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。

用教练声音播报训练提示

先创建适配本型号的复刻 voice ID，在实时会话中分段提交：“先把双脚分开，与肩同宽。”、“接下来缓慢抬起双臂，保持自然呼吸。”

提示间隔由应用根据课程安排控制；结束输入后完整接收本轮音频。

模型会自动知道用户动作完成了吗？

合成服务朗读给定文字。动作状态需要应用或其他识别流程判断，再决定下一条提示。

如何延续已有项目的声音？

保存适配的 voice ID、正文处理规则和播放配置，用实际课程片段检查发音及连续播放效果。