Qwen-Audio-3.1-TTS-Flash是面向实时交互场景的高性能语音合成大模型，支持多种语言和方言，支持流式语音合成。该模型具有free-style指令遵循能力和细粒度标签控制能力，可更灵活地控制情绪、语气、角色、语速、音量等表达方式。同时，模型在声音复刻场景中，对含有噪声、混响的参考音频具有更强的鲁棒性，提升了音质、清晰度和整体表现力。Flash版本重点优化实时合成体验，适用于语音助手、实时对话、智能客服等低延迟交互场景。
推理服务供应商
qwen-audio-3.1-tts-flash模型的推理服务供应商为千问AI平台。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text | 输出模态 | Audio |
模型体验 | 支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | — | 最大输出长度 | — |
上下文长度 | — |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往千问AI平台控制台查看活动优惠。
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 1.5 | 每百万 Token |
输出 | 12 | 每百万 Token |
限流
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 180 |