モデルの位置付け
Tongyi Labの非リアルタイム音声合成モデルのスナップショット版です。テキストを入力し、音声を生成します。リアルタイム版とは別のモデルです。公式のモデル更新一覧では、2025年11月27日の項目に掲載されています。(help.aliyun.com)
能力と用途
- 低遅延・高安定性の音声合成を目的とし、テキストに応じた抑揚の調整や複雑な文章の読み上げに対応します。同じ音色で複数言語を出力できます。
- 日本語、中国語、英語などの言語と一部の中国語方言に対応します。用途例は、多言語コンテンツのナレーションや文章の読み上げです。(alibabacloud.com)
- 音色数については公式資料に差異があります。モデル更新一覧は17種類、2025年12月のアップデート告知は、同スナップショットへの更新後に51種類と記載しています。(help.aliyun.com)
制限と提供状況
- Qwen-TTS APIの入力テキストは1リクエスト最大600文字です。音声クローン、音声デザイン、指示による制御には対応していません。(alibabacloud.com)
- Alibaba Cloud Model Studioは、このスナップショットを2026年10月10日に提供終了する対象として告知しています。実際の変更時刻は告知上、実施状況によります。推奨代替モデルは
cosyvoice-v3.5-plusです。(alibabacloud.com)
料金
確認日:2026年11月17日。以下は地域・提供プラットフォームごとの表示であり、為替換算した同一プランとして扱うものではありません。
- 中国国内版・北京: 国内公式料金表は、日付なしの
qwen3-tts-flashについて入力1万文字あたり CNY 0.8、出力無料と表示しています。ただし、現在の料金表では本スナップショットID自体の料金を確認できないため、これは参考価格です。(help.aliyun.com) - 国際版・シンガポール: 提供終了告知は、本スナップショットの入力料金を1万文字あたり USD 0.1 と記載しています。出力は別途課金されない料金体系です。これは提供終了告知に掲載された価格であり、現在の利用可能性を保証するものではありません。(alibabacloud.com)