Qwen3 Tts Vd Realtime 2026 01.15

为原创角色建立可持续使用的声音

Qwen3-TTS-VD-Realtime-2026-01-15 可以用设计音色实时朗读文字，适合游戏 NPC、虚拟接待员、品牌助手和互动故事。没有参考录音时，可先通过声音设计服务描述声音特点，得到适配本型号的 voice ID，再把动态台词接入 WebSocket 合成会话。

设计时可写清年龄感、音高、质感与节奏，例如中年男声、低沉清晰、说话从容。音色确定后，每次新台词沿用 ID；声音描述属于设计步骤，不能替代待朗读正文。先用欢迎语、说明句和提问试听，确认这个声音能够覆盖角色的日常表达。

多语言互动保持声音方向

同一音色支持 11 个语种，适合为角色提供不同语言的内容。模型依据文本自适应组织语气，应用应提前完成台词翻译和校对，并检查名称、物品编号与数字。换语言不必重新描述角色，但仍需逐种语言试听发音和节奏。

把台词接入实时流程

会话配置好音色后，按完整短句或语义段提交文字，持续接收音频并安排播放。结束输入后继续等待本轮音频完成。玩家切换场景或打断对话时，应用负责停止旧音频、清理队列，再接入新的台词，避免声音与当前情境错位。

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。

给游戏商人设计声音

先在声音设计步骤描述：“中年男性，声音低沉但清晰，说话从容，带一点亲切的故事感。”保存适配本型号的 voice ID。

实时正文依次提交：“欢迎来到我的小店。”、“如果你要穿过北方森林，最好带上一盏灯。”

结束输入并完整接收音频，由游戏按对话顺序播放。

新台词需要重新设计声音吗？

使用已有且适配的 voice ID 即可；根本改变声音特点时再回到设计步骤。

声音生成后会自动跟随游戏场景吗？

台词选择、播放时机和场景切换由游戏控制，合成服务负责生成相应音频。