阿里千问发布Qwen-Audio-3.0-TTS语音合成大模型

该语音合成大模型包含实时交互Flash版本（首包延时300ms级别）和高质量生成Plus版本，在细粒度标签控制、freestyle指令遵循、16种语言+20种方言覆盖、复杂声学鲁棒性等方面显著提升，实现合成语音从“能说话”到“会表达”的升级。