github.devotd.
新发现多模态

qwenlm/qwen3-tts — 声音设计与复刻模型系列

介绍 Qwen 团队开发的 Qwen3-TTS 的语音生成能力,以及可核实的局限。

仓库信息qwenlm/qwen3-tts ↗

Qwen3-TTS is an open-source series of TTS models developed by the Qwen team at Alibaba Cloud, supporting stable, expressive, and streaming speech generation, free-form voice design, and vivid voice cloning.

星标
★ 13.9K
复刻
1.8K
语言
Python
许可证
Apache-2.0
查看原始来源 ↗在 GitHub 查看 ↗

qwenlm/qwen3-tts 是阿里巴巴云 Qwen 团队开发的语音生成模型系列 Qwen3-TTS 的官方实现仓库。它提供将文本转换为语音的功能,以及利用参考音频进行生成的能力。仓库的主要语言是 Python,许可证为 Apache-2.0。FACTS 中记录的星标数为 13872,未提供最新发布信息。

该项目不仅涵盖语音合成,还包括设计所需的音色以及基于参考音频生成语音的能力。仓库描述中包含稳定且富有表现力的语音生成与流式生成。根据 README 摘要,它支持涵盖中文、英语、日语、韩语等多种语言和方言的音色配置,并介绍了流式与非流式生成方式以及 qwen-tts Python 包的用法。因此,想自行配置语音生成功能的开发者可以参考其中的实现与使用说明。

不过,FACTS 中没有可用于比较语音质量的基准测试或验证结果。评分项中记录了热度 5.5,而创新性、技术与质量分数均未提供。也没有给出判断各语言性能或语音复刻结果质量的依据,因此仅凭功能描述难以断定其在实际场景中的适用性。