7月21日消息，阿里云日前发布语音合成大模型Qwen-Audio-3.0-TTS。在细粒度标签控制、freestyle指令遵循、多语种与方言覆盖及复杂声学鲁棒性方面升级，包含面向实时交互的Flash版本（首包延时300ms级别）和面向高质量生成的Plus版本。目前，在全球第三方权威榜单Artificial Analysis，Qwen-Audio-3.0-TTS-Plus斩获冠军，其预览版Fun-Realtime-TTS也曾在一个月前登顶该榜单。