Modelos de texto para fala

Escolha um modelo para a síntese de fala, clonagem de voz e design de voz.

Duas perguntas estreitam o campo: você precisa de uma voz personalizada ou uma voz integrada, e você precisa de transmissão em tempo real?

- Voz personalizada ou incorporada?

Vozes embutidas

Escolha uma voz da biblioteca e comece a sintetizar imediatamente.

• Qwen-Audio-TTS - suporte multilingue e dialeto melhorado, instruções seguindo, controle de etiquetas de fino-grained, e clonagem de voz. Além disso, tem como alvo cenários profissionais de alta qualidade; Flash tem como alvo a interação de baixa latência.< 200 ms first packet)
• CosyVoice — rich voice library, high quality, no setup beyond picking a voice
• Qwen3-TTS — low-latency streaming

Custom voice

Precisa de uma voz que não exista na biblioteca?

• Voice Cloning - reproduzir a voz de uma pessoa específica de amostras de áudio. Use quando tiver uma voz de alvo para combinar.
• Voice Design - criar uma nova voz a partir de uma descrição de texto (por exemplo, "uma voz feminina quente e baixa"). Use quando você want Uma voz de marca sem amostras de áudio.

Controlling how the voice sounds

Three approaches, ranked by flexibility:

1. Instruction control (qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash, cosyvoice-v3-flashDescreva o que desejamos em linguagem natural. Controle velocidade, emoção e estilo por pedido. Muito flexível. Para detalhes, veja [Real-time synthesis] Controle de introstruções.

2. Gere uma voz personalizada de uma descrição de texto. Bom para criar uma voz de marca sem amostras de áudio.

3. Clonagem de vozqwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flashReproduzir uma voz existente de amostras de áudio. Melhor quando você precisa combinar com a voz de uma pessoa específica.

Modelos recomendados

Ver a tabela estruturada nos quadros de referência desta página ↓

Todos os modelos.

Qwen-Audio-TTS

Para vozes de sistema para `qwen-audio-3.1-tts-flash` Veja.Qwen-Audio-TTS "Lista de voz" (/developer-guides/speech/voice-list/qwen-audio-tts#qwen-tts31-voices).

Ver a tabela estruturada nos quadros de referência desta página ↓

CosyVoice

Ver a tabela estruturada nos quadros de referência desta página ↓

Qwen3-TTS

Ver a tabela estruturada nos quadros de referência desta página ↓

Saiba mais.

Text-to-speech guide

 Aprenda a usar modelos TTS via API.

Real-time streaming guide

Use modelos TTS em tempo real via WebSocket. CosyVoice  Modelos de série também apoiam o protocolo de QOA. Para integração cliente-side que prioriza latência estável, resiliência em redes fracas, e integração de ruído e cancelamento de eco, o AOQ é recomendado para uma comparação, veja [Realtime API overview](/api-reference/realtime-api/overview).

CosyVoice voices

 Navegar CosyVoice  vozes e amostras.

Qwen3-TTS voices

 Navegar Qwen3-TTS Vozes para modelos não-streaming.

Qwen3-TTS-Realtime voices

 Navegar Qwen3-TTS-Realtime Vozes para modelos em streaming.

Voice cloning

Clone uma voz de amostras de áudio.