选择适合语音合成、声音克隆和声音设计场景的模型。
以下列出语音合成、声音服务及旧版按 Token 计费等系列模型，可按场景筛选。通过以下两个问题可以快速缩小选择范围：
-
您需要自定义音色，还是使用内置音色即可？
-
您需要实时流式输出，还是非流式也可以接受？
标准语音合成还是自定义音色？
标准语音合成
使用内置音色，无需额外配置。选择模型、选择音色即可开始合成。
中国内地
|
模型 |
系列 |
核心优势 |
|
|
CosyVoice |
高质量，音色库持续更新 |
|
|
CosyVoice |
快速合成 |
|
|
CosyVoice |
高质量，丰富的音色库 |
|
|
CosyVoice |
快速合成 |
|
|
CosyVoice |
上一代高质量合成 |
|
|
CosyVoice |
上一代基础合成 |
|
|
Qwen3-TTS |
低延迟，高质量 |
|
|
Qwen3-TTS |
低延迟，高质量（快照版本） |
|
|
Qwen3-TTS |
低延迟，高质量（快照版本） |
|
|
Qwen3-TTS |
实时流式输出，低延迟 |
|
|
Qwen3-TTS |
实时流式输出，低延迟（快照版本） |
|
|
Qwen3-TTS |
实时流式输出，低延迟（快照版本） |
|
|
Qwen3-TTS |
指令控制（语速、情绪、风格） |
|
|
Qwen3-TTS |
指令控制（快照版本） |
|
|
Qwen3-TTS |
实时流式输出 + 指令控制 |
|
|
Qwen3-TTS |
实时流式输出 + 指令控制（快照版本） |
|
|
MiniMax |
高音质语音合成 |
|
|
MiniMax |
高音质语音合成 |
|
|
MiniMax |
低延迟快速合成 |
|
|
MiniMax |
低延迟快速合成 |
国际
|
模型 |
系列 |
核心优势 |
|
|
CosyVoice |
高质量，丰富的音色库 |
|
|
CosyVoice |
快速合成 |
|
|
Qwen3-TTS |
低延迟，高质量 |
|
|
Qwen3-TTS |
低延迟，高质量（快照版本） |
|
|
Qwen3-TTS |
低延迟，高质量（快照版本） |
|
|
Qwen3-TTS |
实时流式输出，低延迟 |
|
|
Qwen3-TTS |
实时流式输出，低延迟（快照版本） |
|
|
Qwen3-TTS |
实时流式输出，低延迟（快照版本） |
|
|
Qwen3-TTS |
指令控制（语速、情绪、风格） |
|
|
Qwen3-TTS |
指令控制（快照版本） |
|
|
Qwen3-TTS |
实时流式输出 + 指令控制 |
|
|
Qwen3-TTS |
实时流式输出 + 指令控制（快照版本） |
自定义音色
通过克隆音频样本或文字描述来创建独特的音色。
中国内地
|
模型 |
系列 |
核心优势 |
|
|
CosyVoice |
从音频样本克隆音色、实时声音设计 |
|
|
CosyVoice |
从音频样本克隆音色、实时声音设计 |
|
|
Qwen3-TTS |
从音频样本克隆音色 |
|
|
Qwen3-TTS |
实时声音克隆 |
|
|
Qwen3-TTS |
实时声音克隆 |
|
|
Qwen3-TTS |
通过文字描述设计音色 |
|
|
Qwen3-TTS |
实时声音设计 |
|
|
Qwen3-TTS |
实时声音设计 |
|
|
千问声音复刻 |
声音复刻（音色注册与管理） |
|
|
千问声音设计 |
声音设计（文本驱动创建音色） |
克隆与设计的区别：声音克隆是从音频样本中复制特定音色。声音设计是通过文字描述创建全新音色（例如"温暖的低音女声"）。已有目标音色时用克隆，想从零创建时用设计。
控制语音表现
三种方式，按灵活性排序：
-
指令控制（
qwen3-tts-instruct-flash、qwen3-tts-instruct-flash-realtime）：用自然语言描述期望的表达方式，可按请求控制语速、情绪和风格，灵活性最高。 -
声音设计（
qwen3-tts-vd-*）：通过文字描述生成自定义音色。适用于无需音频样本即可创建品牌音色的场景。 -
声音克隆（
qwen3-tts-vc-*）：从音频样本复制已有音色。适用于需要还原特定人物音色的场景。
完整对比
|
模型 |
系列 |
流式 |
自定义音色 |
指令控制 |
|
|
CosyVoice |
支持 |
不支持 |
支持 |
|
|
CosyVoice |
支持 |
不支持 |
支持 |
|
|
CosyVoice |
支持 |
不支持 |
支持 |
|
|
CosyVoice |
支持 |
不支持 |
不支持 |
|
|
CosyVoice |
支持 |
不支持 |
不支持 |
|
|
CosyVoice |
支持 |
不支持 |
不支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
不支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
不支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
不支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
不支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
不支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
不支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
支持 |
|
|
Qwen3-TTS |
支持 |
不支持 |
支持 |
|
|
声音克隆 |
不支持 |
支持 |
不支持 |
|
|
声音克隆 |
支持 |
支持 |
不支持 |
|
|
声音克隆 |
支持 |
支持 |
不支持 |
|
|
声音设计 |
不支持 |
支持 |
不支持 |
|
|
声音设计 |
支持 |
支持 |
不支持 |
|
|
声音设计 |
支持 |
支持 |
不支持 |
|
|
Qwen-TTS（旧版） |
不支持（整段输出） |
不支持 |
不支持 |
|
|
Qwen-TTS（旧版） |
不支持（整段输出） |
不支持 |
不支持 |
|
|
Qwen-TTS（旧版） |
不支持（整段输出） |
不支持 |
不支持 |
|
|
Qwen-TTS（旧版） |
不支持（整段输出） |
不支持 |
不支持 |
|
|
Qwen-TTS（旧版） |
支持 |
不支持 |
不支持 |
|
|
Qwen-TTS（旧版） |
支持 |
不支持 |
不支持 |
|
|
Qwen-TTS（旧版） |
支持 |
不支持 |
不支持 |
|
|
声音服务 |
不适用 |
支持（音色注册） |
不支持 |
|
|
声音服务 |
不适用 |
支持（音色设计） |
不支持 |
|
|
MiniMax |
支持 |
不支持 |
不支持 |
|
|
MiniMax |
支持 |
不支持 |
不支持 |
|
|
MiniMax |
支持 |
不支持 |
不支持 |
|
|
MiniMax |
支持 |
不支持 |
不支持 |
旧版模型（Qwen-TTS，按 Token 计费）
以下为按 Token 计费的旧版 Qwen-TTS 模型，接入方式分为 HTTP 与 WebSocket。若您已迁移到 Qwen3-TTS，可优先使用前文标准语音合成中的模型。
中国内地
|
模型 |
接入方式 |
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 |