Qwen3 Tts Vc Realtime 2026 01.15

用定制声音回应用户

Qwen3-TTS-VC-Realtime-2026-01-15 能用已复刻的音色实时合成语音，适合个人声音助手、品牌接待、互动课程和需要固定说话人形象的服务。通过 WebSocket 提交分段正文并接收音频，让动态回复也能使用事先准备好的声音。

先复刻，再合成

先调用 qwen-voice-enrollment 创建适配本型号的音色，取得 voice ID，再将这个 ID 用于实时合成会话。录音用于提取声音特点，新正文决定本轮具体说什么；无需为了每一条新回复重复提交同一份录音。创建完成后应做短句试听，确认音色、发音和返回音频都可用。

同一音色支持 11 个语种，能够服务多语言内容。不同语言正文要分别准备和校对，特别留意名字、地名、缩写与数字。模型会根据文字自适应调节语气，因此回复应保留完整语义和自然标点，让信息重心更清楚。

做好连续播放

将逐步产生的回复整理成完整短句，再分段送入会话。文字结束后继续接收音频，等待本轮完成；播放器管理音频顺序、缓冲和用户打断。用户发起新问题时，应停止旧轮次播放并清理待播片段，避免两轮声音重叠。上线前用实际业务文本完成一次从提交到播放结束的测试。

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。

用品牌声音播报预约结果

先创建适配 qwen3-tts-vc-realtime-2026-01-15 的复刻音色，在会话中使用返回的 voice ID。

分段正文：“预约已经确认，时间是周五下午三点。”、“请提前十分钟到达前台。需要改期时，可以在预约页面操作。”

结束输入后持续接收、顺序播放，直到本轮完成。

能把预置音色名当成复刻 ID 吗？

使用声音复刻服务实际创建并适配本模型的 voice ID。

为什么连接成功却没有完整声音？

检查正文是否提交、输入是否正确结束，以及是否持续接收全部音频；连接建立只是实时流程的第一步。