Qwen TTS 使用指南
Qwen3-TTS 在线
想在浏览器里体验 Qwen3-TTS，可以先从一段有代表性的短文本开始。本指南说明模型家族与当前工作区的区别，帮助你选择预设音色或参考音频克隆、设置语言，并通过有针对性的试听判断结果是否适合自己的内容。
先分清模型名称与网页功能
Qwen3-TTS 是阿里巴巴 Qwen 团队开发的语音生成模型家族，已发布包含 0.6B 和 1.7B 规模的版本，覆盖十种语言。Base 支持参考音频克隆，CustomVoice 提供预设音色，VoiceDesign 根据文字描述设计声音。这些名称代表不同能力，并非一次生成必须依次完成的步骤。
qwentts.app 是独立的浏览器工作区，与 Qwen 团队没有官方隶属关系。当前界面提供预设音色和参考音频克隆，尚未开放 VoiceDesign，也没有可见的风格指令控件。了解模型能力可以查阅文末官方资料，具体操作则以当前网页中的选项为准。
按任务选择预设音色或参考克隆
如果你需要旁白，但不要求接近某位说话者，建议先选预设音色。这样可以省去准备录音的步骤，把注意力放在文本是否读得清楚。测试句应包含项目里真正重要的人名、数字或术语，而不只是随手写一句问候语。
如果说话者的声音特征很重要，再考虑参考音频克隆。选择自己有权使用的录音，尽量保留单人清晰讲话，避免背景音乐和多人交谈。克隆界面的参考文件上限为 2 MB。试听时分别判断声音相似程度与字句清晰程度，音色接近并不代表每个词或停顿都合适。
让语言选项与朗读文本对应
预设音色工作区的语言选择器包含英语、中文、西班牙语、日语、韩语、德语、法语、俄语、葡萄牙语、意大利语及自动选项。文本主要使用一种语言时，可以明确选择该语言，并在比较不同结果时保持一致。自动也是可选项；遇到中英混排或其他语言混用，应重点听切换位置是否自然。
提交前，把缩写和数字改成你希望听到的表达。例如，年份、金额与逐位报号虽然都含数字，读法却不同。用常规标点标明句子边界，将难读的人名或专业词放入短句测试。一次处理一个明显问题，比把整篇稿件投入生成后再寻找原因更容易判断。
把首次生成变成有目标的试听
公开录制演示无需登录，可以先找接近目标语言或用途的例子，了解自己想进一步测试什么。演示只是示例，不能预告你的稿件效果。生成自己的文本需要登录；已登录的免费账户每天可生成一次，每次最多 120 个字符，付费请求每次最多 1000 个字符。
生成前先确定模式，检查文本以及所选音色或参考文件。生成后先完整听一遍，确认意思是否容易理解，再回听专有名词、数字与句间停顿。需要进入剪辑流程时可下载 WAV。建议自行记录本次文本与所选设置，方便之后比较，而不是只凭对上一次声音的印象判断。
每次只调整一个影响因素
比较两个音色时，尽量保留相同的句子和语言选项；调整标点时，则保留相同的音色。这样才能把听到的差别与某个具体选择联系起来。不要只听开头几个字，还要检查难读短语以及句尾收束。用于课程、视频或配音的声音，也应放回实际上下文判断是否协调。
- 不看原稿听一遍，确认每个词是否仍然容易辨认。
- 留意停顿有没有拆开姓名，或隔断意思紧密相连的词语。
- 记录需要修改的具体位置，再决定改文本还是换音色。
决定继续在线使用还是研究本地运行
如果目标是试听短稿并下载结果，可以继续使用浏览器工作区。本地运行属于另一项技术任务，需要自己管理模型文件、依赖环境、执行过程和更新。只有在需要控制运行环境或研究其他已发布版本时，再沿官方仓库与模型卡了解下一步。网页可用，并不意味着上游的每种能力在这里都有对应控件。
只想听声音，可以去演示页；准备第一次免费测试，可以查看免费使用指南；需要接近参考说话者，则阅读克隆指南。确认文本和声音方案后，再进入工作区。处理较长稿件时，先按完整意思划分段落，检查每段是否符合请求字符上限，避免在句子中间机械截断。
常见问题
qwentts.app 是 Qwen 官方网站吗？
不是。这是独立的浏览器工作区。文末链接指向 Qwen 官方代码仓库与模型卡，用于核对模型家族的信息。
可以用文字描述直接设计新声音吗？
上游有 VoiceDesign 模型，但当前工作区开放的是预设音色和参考音频克隆，没有可见的声音设计或风格指令控件。
上传录音后会保存一个专属声音模型吗？
当前工作区没有保存声音模型的功能。参考录音是克隆任务的输入，不应把它理解为已经训练并保存在账户中的可复用模型。
演示能代表我的文本生成效果吗？
演示适合帮助你决定测试方向。实际文本、语言、音色和参考录音都会影响结果，仍需用自己的代表性短句试听。
官方模型资料
继续了解 Qwen TTS
从实际需求出发：了解免费额度、认识模型、比较试听示例，或准备自己的参考录音。