Qwen-Audio-3.0-TTS-Flash是面向实时交互场景优化的高性能语音合成大模型。相比前一版本，模型支持更多小语种和中文方言，提升了方言发音的正宗程度，并增强了 free-style 指令遵循能力和细粒度标签控制能力，可更灵活地控制情绪、语气、角色、语速、音量等表达方式。同时，模型在噪声、混响等复杂声学条件下具备更强鲁棒性，提升了音质、清晰度和整体表现力。Flash 版本重点优化实时合成体验，适用于语音助手、实时对话、智能客服等低延迟交互场景。
curl "https://api.agtcloud.cn/v1/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{"model":"qwen-audio-3.0-tts-flash","messages":[{"role":"user","content":"Hello"}]}'POST /v1/chat/completions接口文档对话补全
EXPLORE MODELS
比较同类型模型的能力、上下文与调用价格，找到更适合当前场景的选择。
精品音色语音合成，风格指令精准遵循。 内联情绪标签逐字控制，零提示词捕捉角色气质。
qwen3.5-omni-flash 是 阿里巴巴 推出的模型，支持文本、图片、视频、音频输入并输出文本，适用于文本理解与生成。
qwen3.5-omni-plus 是 阿里巴巴 推出的模型，支持文本、图片、视频、音频输入并输出文本，适用于文本理解与生成。
qwen3.5-omni-flash-realtime 是 阿里巴巴 推出的模型，支持文本、图片、视频、音频输入并输出文本、音频，适用于实时多模态交互。
qwen3.5-omni-plus-realtime 是 阿里巴巴 推出的模型，支持文本、图片、视频、音频输入并输出文本、音频，适用于实时多模态交互。