选择适合语音合成、声音复刻和声音设计场景的模型。
标准语音合成还是自定义音色？
语音合成模型可将文本转换为自然语音。首先确定您需要使用内置音色还是自定义音色：
|
标准语音合成 |
自定义音色 |
|
|
音色来源 |
模型内置音色库，选择即用 |
从音频样本复刻，或用文字描述创建 |
|
上手成本 |
无需额外配置，选择模型和音色即可合成 |
需提供音频样本或文字描述来创建音色 |
|
适用场景 |
智能客服、有声阅读、内容播报、电商直播 |
品牌专属音色、虚拟主播、游戏角色配音 |
|
推荐模型 |
|
|
-
使用标准语音合成：当内置音色库能满足需求，希望快速上手、无需额外配置时。
-
使用自定义音色：当需要品牌专属声音、复刻特定人物音色，或创建全新角色音色时。
声音复刻还是声音设计？
如果选择自定义音色，有两种方式创建：
|
声音复刻（Voice Cloning） |
声音设计（Voice Design） |
|
|
输入方式 |
提供一段音频样本 |
用文字描述期望的音色（如"温暖的低音女声"） |
|
效果 |
合成语音与原始说话人高度相似 |
根据描述从零生成全新音色 |
|
适用场景 |
品牌代言人/主播音色复用、虚拟主播、个性化语音助手 |
品牌音色定制（无录音素材）、游戏/动画角色配音、创意内容制作 |
|
推荐模型 |
|
|
|
音色管理服务 |
|
|
-
使用声音复刻：当已有目标人物的录音素材，希望在合成中还原该音色时。
-
使用声音设计：当没有录音素材，希望根据文字描述从零创建全新音色时。
WebSocket还是HTTP？
-
WebSocket：双向流式通信，支持流式输入和流式输出，音频边合成边返回，延迟最低。适用于智能客服、语音助手、呼叫中心等实时交互场景。
-
HTTP：发送完整文本，支持流式返回音频（逐段输出）。适用于有声阅读、音频内容制作等场景。
CosyVoice 系列模型使用同一模型名称同时支持 WebSocket 和 HTTP 两种接入方式；Qwen 系列模型通过模型名称区分，带 -realtime 后缀的为 WebSocket 接入，不带后缀的为 HTTP 接入。
CosyVoice 和 Qwen 系列的 WebSocket 模型支持通过 DashScope SDK（Java、Python）接入。CosyVoice 的 WebSocket 模型还支持Android、iOS SDK接入。其他模型需根据对应的 WebSocket 或 HTTP 协议直接调用。
选择 WebSocket 接入请参考实时语音合成，选择 HTTP 接入请参考非实时语音合成。
指令控制
用自然语言描述期望的表达方式，可按请求动态控制语速、情绪和风格。例如“用温柔的语气，语速稍慢”或“用激动的播报风格”。适用于情感化内容制作、专业播报、有声读物等需要丰富表现力的场景。
支持指令控制的模型：CosyVoice 系列（cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash）和 Qwen-TTS 系列（qwen3-tts-instruct-flash-realtime、qwen3-tts-instruct-flash）。详细使用方式请参见实时语音合成 > 指令控制。
推荐模型
以下为各场景下最推荐的模型，可前往模型广场查看详情。
|
模型 |
系列 |
API |
声音复刻 |
声音设计 |
指令控制 |
|
|
CosyVoice |
WebSocket / HTTP |
|
|
|
|
|
CosyVoice |
WebSocket / HTTP |
|
|
|
|
|
MiniMax |
HTTP |
|
|
|
所有模型
CosyVoice
部分 CosyVoice 模型支持 SSML 标记和 LaTeX 公式朗读。
|
模型 |
API |
声音复刻 |
声音设计 |
指令控制 |
|
|
WebSocket / HTTP |
|
|
|
|
|
WebSocket / HTTP |
|
|
|
|
|
WebSocket / HTTP |
|
|
|
|
|
WebSocket / HTTP |
|
|
|
|
|
WebSocket / HTTP |
|
|
|
|
|
WebSocket |
|
|
|
支持的语言（按版本）：
-
cosyvoice-v3.5-plus、cosyvoice-v3.5-flash（不支持系统音色）：-
声音复刻音色（方言通过指令控制功能进行设置）：中文（普通话、广东话、东北话、甘肃话、贵州话、河南话、湖北话、江西话、闽南话、宁夏话、山西话、陕西话、山东话、上海话、四川话、天津话、云南话）、英文、法语、德语、日语、韩语、俄语、葡萄牙语、泰语、印尼语、越南语
-
声音设计音色：中文（普通话）、英文
-
-
cosyvoice-v3-plus（不支持声音设计音色）：-
系统音色（因音色而异）：中文（普通话）、英文、日语、韩语
-
声音复刻音色（方言通过指令控制功能进行设置）：中文（普通话、广东话、东北话、甘肃话、贵州话、河南话、湖北话、江西话、闽南话、宁夏话、山西话、陕西话、山东话、上海话、四川话、天津话、云南话）、英文、法语、德语、日语、韩语、俄语
-
-
cosyvoice-v3-flash（不支持声音设计音色）：-
系统音色（因音色而异，方言通过指令控制功能进行设置）：中文（普通话、广东话、东北话、河南话、湖南话、陕西话、山东话、四川话、安徽话）、英文
-
声音复刻音色（方言通过指令控制功能进行设置）：中文（普通话、广东话、东北话、甘肃话、贵州话、河南话、湖北话、江西话、闽南话、宁夏话、山西话、陕西话、山东话、上海话、四川话、天津话、云南话）、英文、法语、德语、日语、韩语、俄语、葡萄牙语、泰语、印尼语、越南语
-
-
cosyvoice-v2（不支持声音设计音色）：-
系统音色（因音色而异）：中文（普通话）、英文、韩语、日语
-
声音复刻音色：中文（普通话）、英文
-
-
cosyvoice-v1（不支持声音设计音色）：-
系统音色（因音色而异）：中文（普通话）、英文
-
声音复刻音色：中文（普通话）、英文
-
Qwen3-TTS
|
模型 |
API |
声音复刻 |
声音设计 |
指令控制 |
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
支持的语言（按版本）：
-
Qwen3-TTS-Flash 系列（系统音色）（
qwen3-tts-flash、qwen3-tts-flash-2025-11-27、qwen3-tts-flash-2025-09-18、qwen3-tts-flash-realtime、qwen3-tts-flash-realtime-2025-11-27、qwen3-tts-flash-realtime-2025-09-18）：中文（普通话、北京话、上海话、四川话、南京话、陕西话、闽南话、天津话、粤语，因音色而异）、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语 -
Qwen3-TTS-Instruct-Flash 系列（系统音色）（
qwen3-tts-instruct-flash、qwen3-tts-instruct-flash-2026-01-26、qwen3-tts-instruct-flash-realtime、qwen3-tts-instruct-flash-realtime-2026-01-22）：中文（普通话）、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语 -
Qwen3-TTS-VC 系列（声音复刻）（
qwen3-tts-vc-2026-01-22、qwen3-tts-vc-realtime-2026-01-15、qwen3-tts-vc-realtime-2025-11-27）：中文（普通话）、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语 -
Qwen3-TTS-VD 系列（声音设计）（
qwen3-tts-vd-2026-01-26、qwen3-tts-vd-realtime-2026-01-15、qwen3-tts-vd-realtime-2025-12-16）：中文（普通话）、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语
MiniMax
|
模型 |
API |
声音复刻 |
声音设计 |
指令控制 |
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
Qwen-TTS（旧版，按 Token 计费）
以下为按 Token 计费的旧版 Qwen-TTS 模型。若您已迁移到 Qwen3-TTS，可优先使用前文推荐的模型。
|
模型 |
API |
说明 |
|
|
HTTP |
非流式合成，按 Token 计费 |
|
|
HTTP |
非流式合成，按 Token 计费 |
|
|
HTTP |
快照版本，按 Token 计费 |
|
|
HTTP |
快照版本，按 Token 计费 |
|
|
WebSocket |
流式合成，按 Token 计费 |
|
|
WebSocket |
流式合成，按 Token 计费 |
|
|
WebSocket |
快照版本，流式合成，按 Token 计费 |
支持的语言（按版本）：
-
Qwen-TTS 系列（系统音色）（
qwen-tts、qwen-tts-latest、qwen-tts-2025-05-22、qwen-tts-2025-04-10）：中文（普通话、北京话、上海话、四川话，因音色而异）、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语 -
Qwen-TTS-Realtime 系列（系统音色）（
qwen-tts-realtime、qwen-tts-realtime-latest、qwen-tts-realtime-2025-07-15）：中文（普通话）、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语