Qwen-Audio-3.1-TTS-Next 不是传统只做配音的 TTS,它属于统一音频生成 AudioGen 模型,核心思路是一次性产出带人声、音效、环境声的完整音频,而不是单独生成语音再后期拼接;输入可以是文本、时间戳、参考音频,支持中英双语,非流式返回音频文件,适合短视频、播客、影视声景这类音频内容生产,计费方式是输入、输出 Token 分开计价,和普通按字符计费的语音合成模型不一样,接入前还要留意单请求时长上限、参考音频大小、调用限流这些硬性限制,避免上线之后出现报错、超预算的情况。
一、模型定位
- 模型 ID:qwen-audio-3.1-tts-next
- 核心定位:统一音频生成模型,跳出传统 TTS 只合成人声的局限,目标一站式构建完整声景
- 和其他版本区分:Flash 主打实时流式交互、Plus 主打精品单人配音,Next 侧重 “语音 + 音效 + 环境音” 一体化音频创作
二、核心特征
- 一体化生成:一次调用同时产出人声、环境音效、氛围声,省去多工具合成步骤
- 时间戳控制:支持时间戳输入,对齐画面卡点、台词时序,适合视频制作
- 参考音频音色锁定:支持最多 3 段参考音频(URL / Base64),保持音色稳定,多人对话不容易串音;参考音频最长 30 秒、最大 10 MB,格式支持 WAV、MP3、OGG Opus
- 输出形式:非流式,一次性返回完整音频;输出格式包含 WAV、MP3、PCM
- 语种:当前支持中文、英文
- 时长限制:播客类单请求最长 240 秒,其余场景单请求最长 120 秒
- 限流:公开标注 RPM 为 180,代表每分钟最多 180 次请求
三、模型能力清单
| 能力分类 | 详细说明 |
|---|---|
| 单人语音合成 | 文本转自然人声,表达更贴近真人 |
| 多人对话生成 | 播客、访谈、剧本对谈,维持不同角色音色稳定 |
| 声景与音效生成 | 同步生成环境音、音效、氛围声音,构建影视、游戏场景感 |
| 参考音色复刻 | 依据参考音频锁定说话人音色风格 |
| 时序对齐 | 通过时间戳控制声音出现的时间点,适配视频剪辑 |
四、适用场景
- 播客 / 访谈节目:双人、多人对话音频快速制作
- 短视频内容:配音 + 背景音效一次性生成,减少剪辑工作量
- 影视解说、短片声景:台词搭配环境氛围音效
- 游戏音频:角色台词搭配场景音效
- 广告、课程讲解音频:讲解语音搭配提示音效
- 有声内容配套氛围音:有声书旁白叠加环境背景声
五、定价与计费规则
- 计费逻辑:输入 Token、输出 Token 分开计费,不是按字符计费
- 华北 2(北京):输入 6 元 / 百万 Token,输出 12 元 / 百万 Token
- 新加坡地域:价格不同,输入约 6.781 元 / 百万 Token,输出约 5.104 元 / 百万 Token
- 说明:标价为原价,不包含平台限时优惠、免费额度;免费额度、活动价以阿里云百炼控制台实时展示为准;音频 Token 有单独换算规则,音频时长不足 1 秒按 25 Token 计算;最终账单以平台结算为准
【相关 FAQ】
问题 1:Qwen-Audio-3.1-TTS-Next 和普通语音合成模型最大差别是什么?
回答 1:Qwen-Audio-3.1-TTS-Next 是 AudioGen 统一音频生成模型,不只是输出人声,还能同步生成音效、环境声,适合做完整声景;传统 TTS 大多只输出语音,需要后期自己叠加音效。
问题 2:调用 Qwen-Audio-3.1-TTS-Next 可以用参考音频复刻音色吗?
回答 2:可以,Qwen-Audio-3.1-TTS-Next 支持上传参考音频锁定音色,最多支持 3 段参考音频,同时有音频时长、文件大小的限制。
问题 3:Qwen-Audio-3.1-TTS-Next 怎么收费,会不会按配音字符计费?
回答 3:Qwen-Audio-3.1-TTS-Next 按输入 Token、输出 Token 分开计费,不是按配音字符计费,不同地域单价不一样,优惠和免费额度以控制台为准。
问题 4:Qwen-Audio-3.1-TTS-Next 支持实时流式返回配音吗?
回答 4:Qwen-Audio-3.1-TTS-Next 是非流式输出,一次性返回完整音频文件;需要实时流式语音合成,要选择 Flash 这类其他版本模型。
【参考资料】
[2026-11-20](阿里云最新 Qwen-Audio-3.1-TTS-Next 全解析:模型定位、核心特征、能力表现、适用场景及价格详解)阿里云开发者社区
[2026-10-30](qwen-audio-3.1-tts-next 模型信息)阿里云帮助中心
[2026-10-16](Qwen-Audio-3.1-TTS-Next)Qwen Cloud
【免责声明】
本文内容仅为公开资料整理解读,不构成商业采购建议。Qwen-Audio-3.1-TTS-Next 的模型能力、参数限制、定价、优惠政策随时可能更新调整,所有正式接入、计费、功能判定请以阿里云百炼官方文档、控制台实时信息和服务协议为准。
本文来自作者[旋波探针]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/rgzn/202611/5143.html
评论列表(4条)
我是乌兰科技网的签约作者“旋波探针”!
希望本篇文章《阿里云最新 Qwen-Audio-3.1-TTS-Next 详解理清模型定位、特征、能力、适用场景与定价规则》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:Qwen-Audio-3.1-TTS-Next 不是传统只做配音的 TTS,它属于统一音频生成 AudioGen 模型,核心思路是一次性产出带人声、音效、环境声的完整音频,而不是单独生成语音再后期拼接;输入可以是文本、时间戳、参考音频,支持中英双语,非流式返回音频文件,适合短视频、播客、影视声景这类音频内容生产,计费方式是输入、输出 Token 分开计价,和普通按字符计费的语音合成模型不一样,接入前还要留意单请求时长上限、参考音频大小、调用限流这些硬性限制,避免上线之后出现报错、超预算的情况。