阿里云 Qwen-Audio-3.1-TTS 是通义千问新一代语音合成模型,分为 Flash、Plus 两个主力版本,还有 Next 音频生成版本,Flash 主打低延迟流式实时合成,Plus 侧重高音质、强表现力的内容配音,Next 可以同时生成人声、音效、环境音,整套模型支持自然语言指令控制情绪、语速、角色,复刻音色时就算参考音频带噪声、混响也能稳住效果,接入在阿里云百炼平台,两个主力版本计费方式不一样,Flash 按 Token 计费,Plus 按字符计费,我们可以根据项目是实时对话还是有声书配音来选版本,控制成本。传统 TTS 大多只能固定音色念稿,调整情绪要靠复杂标签,而且干净参考音频才能复刻音色;Qwen-Audio-3.1-TTS 加入 free-style 自然语言指令,直接用大白话描述说话风格,搭配细粒度标签二次微调,同时优化了音色复刻的抗干扰能力,不用高质量纯净录音也能提取稳定音色,还支持多语种、多方言,适配不同地区的业务。接入方式支持 WebSocket 流式、HTTP 批量调用,适合前端实时语音交互和后台批量配音任务,限流统一 RPM 180,新用户还有免费额度可以先测试效果。
Qwen-Audio-3.1-TTS 各版本定位对比
| 版本 | 核心定位 | 优先场景 | 合成方式 |
|---|---|---|---|
| qwen-audio-3.1-tts-flash | 实时交互低延迟版 | 智能客服、语音助手、实时对话 | 流式输出 |
| qwen-audio-3.1-tts-plus | 高质量内容创作版 | 有声书、短视频旁白、品牌配音 | 非流式,重音质 |
| qwen-audio-3.1-tts-next | 一体化音频生成版 | 播客、影视剧声景、短视频音效 | 人声 + 音效 + 环境音一起生成 |
核心特征清单
- 自然语言指令控制:free-style 指令,直接文字描述情绪、语气、角色风格,不用硬记大量标签
- 抗噪音色复刻:参考音频有噪声、混响也能稳定复刻音色,降低采集参考音门槛
- 多语言 + 方言支持:中文多地方言、英文等语种,口音自然度提升
- 细粒度标签叠加:在自然指令基础上,额外控制语速、停顿、音量、重音
- 双接入模式:Flash 支持 WebSocket 流式,边生成边返回音频;Plus 适合批量离线生成
- 音色稳定:长文本朗读全程音色不漂移,适合长篇有声书
能力详情
- 情绪控制:开心、沉稳、严肃、温柔、激动等多种表达风格切换,一句话内可以切换情绪
- 角色配音:支持多人对话,区分不同角色音色、说话风格
- 方言朗读:粤语、四川话等方言合成,发音准确度更高
- 音色复刻:上传一段简短参考音频,生成同音色语音,支持企业定制品牌音
- 长文本处理:适合万字级有声书稿件,自动处理停顿、断句,减少机械感
- Next 额外能力:生成配套环境音、背景音效,直接产出完整音频片段,不用后期二次拼接
计费与订阅价格(华北 2 北京,原价)
- qwen-audio-3.1-tts-flash(Token 计费)
- 输入:1.5 元 / 百万 Token
- 输出:12 元 / 百万 Token
- 限流:RPM=180
- qwen-audio-3.1-tts-plus(按字符计费,输出不计费)
- 单价:1.4 元 / 万字符
- 新用户免费额度:1 万字符
- qwen-audio-3.1-tts-next
- 输入:6 元 / 百万 Token
- 输出:12 元 / 百万 Token
说明:除按量 API 计费外,百炼平台支持搭配 Token Plan 订阅包抵扣消耗,订阅套餐有折扣,适合用量稳定的业务,优惠以控制台实时活动为准。
选型建议
✅ 选 Flash:实时语音对话、客服机器人、车载语音,对延迟敏感
✅ 选 Plus:有声书、课程旁白、品牌宣传片配音,优先音质和自然度
✅ 选 Next:短视频、播客、游戏音频,需要人声 + 音效一体生成
❌ 不推荐:Next 只用来做简单 TTS,成本更高,没必要
【相关 FAQ】
问题 1:阿里云 Qwen-Audio-3.1-TTS 里 Flash 和 Plus 版本有什么区别?
回答 1:阿里云 Qwen-Audio-3.1-TTS 的 Flash 版本主打低延迟流式合成,适合实时对话;Plus 版本主打高音质,适合有声书、配音,计费方式也不一样,Flash 按 Token 收费,Plus 按字符收费。
问题 2:阿里云 Qwen-Audio-3.1-TTS 的 free-style 指令能力是什么?
回答 2:阿里云 Qwen-Audio-3.1-TTS 的 free-style 指令能力,就是可以直接用自然语言描述说话情绪、角色风格,不用复杂标签,快速调整配音的表达效果。
问题 3:阿里云 Qwen-Audio-3.1-TTS 音色复刻,参考音频音质差还能用吗?
回答 3:阿里云 Qwen-Audio-3.1-TTS 优化了复刻鲁棒性,带有噪声、混响的参考音频也可以提取音色,只是纯净参考音频出来的效果会更稳定。
问题 4:阿里云 Qwen-Audio-3.1-TTS 可以订阅套餐省钱吗?
回答 4:阿里云 Qwen-Audio-3.1-TTS 支持百炼 Token Plan 订阅包抵扣调用消耗,稳定长期业务用订阅套餐更划算,临时测试适合按量计费。
【参考资料】
[2026-11-20](阿里云最新 Qwen-Audio-3.1-TTS 完整介绍:定位、特征、能力详情、订阅价格解读)阿里云开发者社区
[2026-11-14](语音合成模型选型指南 Qwen-Audio-3.1-TTS)阿里云帮助中心
[2026-11-06](qwen-audio-3.1-tts-flash 模型文档)阿里云百炼帮助中心
[2026-10-30](qwen-audio-3.1-tts-next 模型介绍)阿里云百炼帮助中心
【免责声明】
本文内容基于阿里云百炼公开文档、开发者社区资料整理,阿里云 Qwen-Audio-3.1-TTS 的价格、免费额度、订阅优惠、限流参数会随官方活动、版本迭代调整,最终计费规则、音色效果、服务权限以阿里云百炼控制台实时页面为准,不构成采购、商用上线决策建议。
