Qwen-Audio-3.1-TTS-Flash

概要

リアルタイム対話向けに低遅延を重視した、テキストから音声を生成するモデルです。公式リリース日は 2026年10月12日 です。(docs.qwencloud.com)

能力と用途

• ストリーミング音声合成、システム音声、音声クローニング、音声デザインに対応します。
• 日本語を含む複数言語・方言に対応し、自然言語による指示やタグで感情、声の調子、話者の人物像、速度、音量などを調整できます。
• 音声アシスタント、リアルタイム会話、カスタマーサービスなどに適しています。(docs.qwencloud.com)

制限

入力はテキスト、出力は音声です。Function Calling、Web検索、構造化出力、コンテキストキャッシュ、バッチ推論、ファインチューニングには対応していません。最大入出力長とコンテキスト長の数値は、モデル情報ページでは示されていません。音声の種類によって利用可能な地域が異なり、選択した音声が対応しない言語では発音が不自然になる場合があります。(help.aliyun.com)

料金

以下は公式掲載のAPI単価で、入力・出力のトークンをそれぞれ課金します。確認日：2026年11月15日。国内サイトと国際サイトの価格は別々の掲載価格であり、為替換算ではありません。

国内サイトの北京では100万トークンの無料枠が掲載されており、有効期間は百炼の利用開始日またはモデル公開日のうち遅い日から90日間です。国内サイトのシンガポールには無料枠がありません。料金・無料枠の適用条件は利用するサイトと地域で確認してください。(help.aliyun.com)

公式出典

• QwenCloud モデルリリース公告
• モデル情報・制限
• 中国国内サイト料金表（CNY）
• 国際サイト料金表（USD）
• 対応音声一覧