Qwen发布Qwen-Audio-3.0-TTS实时语音合成模型，提供Flash和Plus版本，支持16种语言和20种方言，具备自然语言指令控制、细粒度标签控制及复杂声学鲁棒性。Plus版在权威榜单夺冠，并推出精品音色库，支持48K音频输出。

随着生成式AI向多模态发展，Supertone团队推出的Supertonic-3模型支持31种语言，具备实时语音合成能力，参数仅为9900万。该模型可在CPU环境中运行，无需云API，适合开发本地AI助手和语音播报系统。