模型定位
Qwen-Audio-3.1-TTS-Next 是面向统一音频生成的 AudioGen 模型,由阿里云百炼提供推理服务。它不局限于传统文本转语音,可结合文本、时间戳和参考音频,一次生成包含人声、音效和环境音的完整音频。(docs.bailian.console.aliyun.com)
能力与用途
支持中文和英文,可用于单人语音、多人对话、播客、影视声景、环境音和音效生成;适用于内容创作、短视频、播客、影视及游戏音频制作。模型支持音色保持和时间控制,输出格式为 WAV、MP3 或 PCM。(docs.bailian.console.aliyun.com)
限制与调用
- 通过 HTTPS API 调用,返回完整音频文件;输出为非流式。(docs.bailian.console.aliyun.com)
- 音频生成文档列出的文本输入上限为 3,000 字符。单次输出上限为播客 240 秒,其他场景 120 秒。(docs.modelstudio.console.alibabacloud.com)
- 最多提供 3 条参考音频,每条最长 30 秒、最大 10 MB;支持 WAV、MP3、OGG Opus,不支持裸 PCM。参考音频可通过 URL 或 Base64 提供。(docs.modelstudio.console.alibabacloud.com)
- 官方模型页面列出的北京和新加坡地域限流均为每分钟 180 次请求。(docs.bailian.console.aliyun.com)
发布日期
2026 年 9 月 21 日;阿里云模型发布更新页面将该模型列在此日期下。(alibabacloud.com)
官方价格
查询日期:2026 年 11 月 16 日。以下为对应平台和地域的公开单价,输入与输出 Token 分别计费;不同平台及地域的报价不能视为可直接换算的同一套餐。
| 官方平台及地域 | 币种 | 输入单价 | 输出单价 |
|---|---|---|---|
| 阿里云百炼国内站,华北2(北京) | CNY | 6 元/百万 Token | 12 元/百万 Token |
| 阿里云百炼国内站,新加坡 | CNY | 6.781 元/百万 Token | 5.104 元/百万 Token |
| Alibaba Cloud 国际站,新加坡 | USD | 0.93 美元/百万 Token | 1.87 美元/百万 Token |
| Alibaba Cloud 国际站,中国(北京) | USD | 0.848 美元/百万 Token | 1.696 美元/百万 Token |
国内站北京地域列有 100 万 Token 免费额度;国际站新加坡地域也列有 100 万 Token 免费额度。各自页面注明额度有效期为开通百炼、模型发布或申请通过之日中较晚者起 90 天,具体适用条件以对应平台为准。(help.aliyun.com)