简介

Qwen3-TTS 1.7B是阿里巴巴千问团队开发的高性能语音合成模型，采用创新的离散多码本LM架构和自研Qwen3-TTS-Tokenizer-12Hz语音编码器，实现对语音信号的高效压缩与强表征能力。该模型完整保留副语言信息和声学环境特征，通过轻量级非DiT架构实现高速、高保真的语音还原。

模型采用Dual-Track双轨建模技术，达成极致的双向流式生成速度，首包音频仅需等待一个字符，端到端合成延迟低至97ms。具备强大的上下文理解能力，可根据指令和文本语义自适应调整语气、节奏与情感表达，并对输入文本噪声具有显著鲁棒性提升。