Qwen TTS 语音试听

三段示例都可点击直接播放。第一段是带有情感表现的 Serena 英语录音，时长为 7.52 秒。第二段为音色克隆示例，同样为 7.52 秒，参考音频来自第一段合成语音，并非真人录音。第三段是 Vivian 的英语与普通话混读，时长为 9.92 秒。

它们都是固定录音，重复点击会听到相同内容，不会重新生成另一种演绎。建议先完整听一遍，再决定自己更关注清晰度、停顿还是音色。需要了解模型背景时，可以继续阅读模型指南；试听本身更适合用来形成具体问题。

使用同一副耳机或同一组扬声器，把音量保持在舒适且一致的水平。第一轮只理解意思，第二轮逐词听发音，第三轮尽量不看文字。文字可能帮你补全没听清的部分，因此脱离文本再听一次，更容易发现真正需要回放的位置。

• 发音：辅音、词尾和音节是否清楚，是否有需要猜测的词？
• 节奏：重点信息有没有足够空间，句尾是否突然加速？
• 停顿：分句边界是否自然，本应连在一起的词有没有被拆开？
• 一致性：从开头到结尾，音色和表达是否保持连贯？

短录音无法覆盖每个姓氏、缩写、日期或专业术语。先确认示例实际出现了什么，再列出你的脚本还有哪些未被验证的部分。日常句子听起来流畅，可以说明这句话的表现，却不能直接证明某个产品名也会读对。

准备自己的测试时，一次只加入一个难点。例如用一句含义明确的话测试日期或价格；如果读法与你的意图不同，下次可把数字改写成希望听到的完整文字。测试停顿时，保留其他用词，只比较逗号和句号的影响。标点值得尝试，但不要预设它会产生精确到毫秒的停顿。

Vivian 的混读示例适合观察一句话里的语言切换。留意切换前的最后一个词，以及切换后的第一个词：连接是否突然，有没有一侧语速明显变快，两种语言是否都容易理解。普通话部分也可以检查声调与词组边界，避免只凭音色悦耳就判断发音准确。

Serena 的英语示例可以作为另一份听音参考，但它与 Vivian 的音色和文本都不同，不能当成严格对照。自己的双语测试可选择熟悉的短英语表达，再接一句简短中文。对不熟悉的语言，最好请熟练使用者判断，而不是仅凭声音顺滑就认定自然。

比较第一段合成录音与克隆示例时，可以分别记录音色相似度和可懂度。声音听起来熟悉，并不代表每个词都清楚；某个词读得清楚，也不代表节奏完全一致。把两项观察分开，后续才知道需要调整文本，还是重新检查参考素材。

这里展示的是以合成语音为参考的流程，不能直接推断你的麦克风、房间噪声或说话方式会产生什么结果。如果继续尝试参考音频克隆，请选择自己有权使用的素材，并留意工作台参考文件最大 2 MB 的限制。先确认录音本身是否清晰，再讨论生成结果是否接近。

qwentts.app 是独立的浏览器语音工作台。需要朗读自己的文本时，打开工作台并登录。已登录的免费账号每天可生成一次，每次最多 120 个字符；付费请求每次最多 1,000 个字符。播放这些公开预录示例不会占用每日生成次数。

选择预设音色和适合文本的语言，先输入一句能够逐词检查的短句。生成后可下载 WAV，保留输入文本和听音笔记，方便之后比较。每日次数有限时，一次验证一个问题更容易得到明确结论；不要把姓名、长数字、缩写和多次语言切换全挤在第一句话里。