← Alle Modelle

Qwen-Audio-3.0-TTS-Flash

Veröffentlicht Herausgeber Alibabaqwen-audio-3.0-tts-flash

Einordnung und Veröffentlichung

Qwen-Audio-3.0-TTS-Flash ist ein für Echtzeitinteraktionen und geringe Latenz optimiertes Text-zu-Sprache-Modell von Alibaba Cloud Model Studio. Es wurde am 14. Juli 2026 veröffentlicht. (alibabacloud.com)

Fähigkeiten und Einsatzgebiete

  • Texteingaben werden in Audioausgaben umgewandelt. Das Modell unterstützt mehrere Sprachen und chinesische Dialekte sowie freie Anweisungen und fein abgestufte Tags zur Steuerung von Emotion, Tonfall, Rolle, Sprechgeschwindigkeit und Lautstärke.
  • Alibaba nennt unter anderem Sprachassistenten, Echtzeitdialoge und intelligenten Kundendienst als Einsatzgebiete. Laut Anbieter wurde auch die Robustheit gegenüber schwierigen akustischen Bedingungen verbessert. (help.aliyun.com)

Einschränkungen

Function Calling, strukturierte Ausgaben, Websuche, Präfixfortsetzung, Kontext-Caching, Batch-Inferenz und Fine-Tuning werden laut Modellseite nicht unterstützt. Maximale Eingabe-, Ausgabe- und Kontextlängen sind dort nicht beziffert. Für Peking und Singapur nennt Alibaba jeweils ein Limit von 180 Anfragen pro Minute. (alibabacloud.com)

Preise

Abfrage: 16. November 2026. Abgerechnet werden Eingabezeichen; für die Audioausgabe fällt keine separate Ausgabegebühr an. Ein chinesisches Schriftzeichen zählt als zwei Zeichen, andere Zeichen grundsätzlich als eines; SSML-Tags selbst werden nicht mitgezählt. (help.aliyun.com)

Die Preise gelten für die jeweils genannte Plattform und Region und sind keine von uns umgerechneten Beträge.

Offizielle Quellen