Qwen: Qwen-Audio-3.0-TTS Plus

Qwen-Audio-3.0-TTS Plus는 Alibaba의 모델 패밀리인 Qwen에서 나온 텍스트 음성 변환 모델입니다. 음성 카테고리에 속하며, 같은 라인의 표준 티어보다 위에 위치한 Alibaba의 더 높은 품질의 텍스트 음성 변환 모델로 설명됩니다. 텍스트로부터 음성 오디오를 생성하며, 일반적으로 Alibaba 측의 DashScope Speech Synthesizer API를 통해 접근합니다. 제공업체가 2026-07-23에 출시했습니다.

이 모델은 텍스트를 유일한 입력으로 받고 음성을 유일한 출력으로 반환합니다. 이미지, 오디오 또는 비디오 입력이 없으므로 샘플에서 음성을 복제하거나 무엇이든 전사할 수 없습니다. 작성된 텍스트를 소리 내어 읽습니다. 두 가지 음성, longanlingxin과 longanlufeng을 사용할 수 있으며, 요청할 때 하나를 선택합니다. 이 모델에 대해 공개된 컨텍스트 길이가 없으므로, 단일 호출에서 보낼 수 있는 텍스트의 양은 명시되지 않은 것으로 간주하고, 안전을 기하려면 긴 문서를 더 작은 청크로 나누십시오.

입력이 텍스트이고 출력이 오디오이므로, 명백한 용도는 내레이션과 재생입니다. 기사, 문서 또는 지식 베이스 항목을 들을 수 있는 버전으로 바꾸거나, 비디오와 제품 워크스루용 보이스오버를 생성하거나, 애플리케이션에서 음성 프롬프트나 확인을 생성하거나, 오디오를 선호하는 사용자에게 화면 콘텐츠를 읽어 주는 접근성 기능을 구축할 수 있습니다. 사람이 읽기보다 듣기를 더 선호하는 텍스트가 있는 곳이라면 어디든 이 모델이 후보가 됩니다.

api14에서는 모델 id qwen/qwen-audio-3.0-tts-plus를 사용하여 OpenAI 호환 API를 통해 모델을 호출합니다. 즉, 기존 OpenAI SDK와 클라이언트가 base URL과 모델 문자열을 변경하면 작동합니다. 발화할 텍스트를 제공하고 두 음성 중 하나를 선택합니다. 이 목록에서 모델은 조정 가능한 파라미터를 노출하지 않으므로 설정할 temperature, top_p 또는 이와 유사한 샘플링 제어가 없고, 공개된 최대 출력 길이도 없습니다. 텍스트와 음성 선택 외에는 생성 설정이 제공업체에 의해 고정됩니다.

작업이 텍스트로부터 음성을 생성하는 것이 아니라면 다른 모델이 더 적합할 것입니다. 음성 인식, 참조 클립으로부터의 음성 복제, 오디오 편집은 이 모델이 하는 일의 범위 밖입니다. 이 모델은 텍스트만 받아들이고 음성만 출력하기 때문입니다. 샘플링 파라미터를 통해 운율을 세밀하게 제어해야 하는 경우에도 마찬가지입니다. 여기에는 그러한 파라미터가 나열되어 있지 않기 때문입니다.