7 月 21 日，阿里云正式推出新一代语音合成大模型 Qwen-Audio-3.0-TTS。该模型在声音细节控制、自由指令跟随、多语言及方言支持、复杂环境适应性等方面实现全面升级，并提供两个版本：专为实时交互设计的 Flash 版（首字延迟低至 300 毫秒），以及专注高保真音质的 Plus 版。凭借卓越表现，Qwen-Audio-3.0-TTS-Plus 已在全球权威评测中位列第一；其预览版 Fun-Realtime-TTS 也于一个月前登顶同一榜单。