选择适合语音合成、声音克隆和声音设计场景的模型。
以下列出语音合成、声音服务及旧版按 Token 计费等系列模型，可按场景筛选。通过以下两个问题可以快速缩小选择范围：
您需要自定义音色，还是使用内置音色即可？
您需要实时流式输出，还是非流式也可以接受？
标准语音合成还是自定义音色？
标准语音合成
使用内置音色，无需额外配置。选择模型、选择音色即可开始合成。
国际
模型 | 系列 | 核心优势 |
| CosyVoice | 高质量，丰富的音色库 |
| CosyVoice | 快速合成 |
| Qwen3-TTS | 低延迟，高质量 |
| Qwen3-TTS | 低延迟，高质量（快照版本） |
| Qwen3-TTS | 低延迟，高质量（快照版本） |
| Qwen3-TTS | 实时流式输出，低延迟 |
| Qwen3-TTS | 实时流式输出，低延迟（快照版本） |
| Qwen3-TTS | 实时流式输出，低延迟（快照版本） |
| Qwen3-TTS | 指令控制（语速、情绪、风格） |
| Qwen3-TTS | 指令控制（快照版本） |
| Qwen3-TTS | 实时流式输出 + 指令控制 |
| Qwen3-TTS | 实时流式输出 + 指令控制（快照版本） |
中国内地
模型 | 系列 | 核心优势 |
| CosyVoice | 高质量，音色库持续更新 |
| CosyVoice | 快速合成 |
| CosyVoice | 高质量，丰富的音色库 |
| CosyVoice | 快速合成 |
| CosyVoice | 上一代高质量合成 |
| CosyVoice | 上一代基础合成 |
| Qwen3-TTS | 低延迟，高质量 |
| Qwen3-TTS | 低延迟，高质量（快照版本） |
| Qwen3-TTS | 低延迟，高质量（快照版本） |
| Qwen3-TTS | 实时流式输出，低延迟 |
| Qwen3-TTS | 实时流式输出，低延迟（快照版本） |
| Qwen3-TTS | 实时流式输出，低延迟（快照版本） |
| Qwen3-TTS | 指令控制（语速、情绪、风格） |
| Qwen3-TTS | 指令控制（快照版本） |
| Qwen3-TTS | 实时流式输出 + 指令控制 |
| Qwen3-TTS | 实时流式输出 + 指令控制（快照版本） |
| MiniMax | 高音质语音合成 |
| MiniMax | 高音质语音合成 |
| MiniMax | 低延迟快速合成 |
| MiniMax | 低延迟快速合成 |
自定义音色
通过克隆音频样本或文字描述来创建独特的音色。
国际
模型 | 系列 | 核心优势 |
| Qwen3-TTS | 从音频样本克隆音色 |
| Qwen3-TTS | 实时声音克隆 |
| Qwen3-TTS | 实时声音克隆 |
| Qwen3-TTS | 通过文字描述设计音色 |
| Qwen3-TTS | 实时声音设计 |
| Qwen3-TTS | 实时声音设计 |
| 千问声音复刻 | 声音复刻（音色注册与管理） |
| 千问声音设计 | 声音设计（文本驱动创建音色） |
克隆与设计的区别：声音克隆是从音频样本中复制特定音色。声音设计是通过文字描述创建全新音色（例如"温暖的低音女声"）。已有目标音色时用克隆，想从零创建时用设计。
控制语音表现
三种方式，按灵活性排序：
指令控制（
qwen3-tts-instruct-flash、qwen3-tts-instruct-flash-realtime）：用自然语言描述期望的表达方式，可按请求控制语速、情绪和风格，灵活性最高。声音设计（
qwen3-tts-vd-*）：通过文字描述生成自定义音色。适用于无需音频样本即可创建品牌音色的场景。声音克隆（
qwen3-tts-vc-*）：从音频样本复制已有音色。适用于需要还原特定人物音色的场景。
完整对比
模型 | 系列 | 流式 | 自定义音色 | 指令控制 |
| CosyVoice | 支持 | 不支持 | 不支持 |
| CosyVoice | 支持 | 不支持 | 不支持 |
| CosyVoice | 支持 | 不支持 | 不支持 |
| CosyVoice | 支持 | 不支持 | 不支持 |
| CosyVoice | 支持 | 不支持 | 不支持 |
| Qwen3-TTS | 支持 | 不支持 | 不支持 |
| Qwen3-TTS | 支持 | 不支持 | 不支持 |
| Qwen3-TTS | 支持 | 不支持 | 不支持 |
| Qwen3-TTS | 支持 | 不支持 | 不支持 |
| Qwen3-TTS | 支持 | 不支持 | 不支持 |
| Qwen3-TTS | 支持 | 不支持 | 不支持 |
| Qwen3-TTS | 支持 | 不支持 | 支持 |
| Qwen3-TTS | 支持 | 不支持 | 支持 |
| Qwen3-TTS | 支持 | 不支持 | 支持 |
| Qwen3-TTS | 支持 | 不支持 | 支持 |
| 声音克隆 | 不支持 | 支持 | 不支持 |
| 声音克隆 | 支持 | 支持 | 不支持 |
| 声音克隆 | 支持 | 支持 | 不支持 |
| 声音设计 | 不支持 | 支持 | 不支持 |
| 声音设计 | 支持 | 支持 | 不支持 |
| 声音设计 | 支持 | 支持 | 不支持 |
| Qwen-TTS（旧版） | 不支持（整段输出） | 不支持 | 不支持 |
| Qwen-TTS（旧版） | 不支持（整段输出） | 不支持 | 不支持 |
| Qwen-TTS（旧版） | 不支持（整段输出） | 不支持 | 不支持 |
| Qwen-TTS（旧版） | 不支持（整段输出） | 不支持 | 不支持 |
| Qwen-TTS（旧版） | 支持 | 不支持 | 不支持 |
| Qwen-TTS（旧版） | 支持 | 不支持 | 不支持 |
| Qwen-TTS（旧版） | 支持 | 不支持 | 不支持 |
| 声音服务 | 不适用 | 支持（音色注册） | 不支持 |
| 声音服务 | 不适用 | 支持（音色设计） | 不支持 |
旧版模型（Qwen-TTS，按 Token 计费）
以下为按 Token 计费的旧版 Qwen-TTS 模型，接入方式分为 HTTP 与 WebSocket。若您已迁移到 Qwen3-TTS，可优先使用前文标准语音合成中的模型。
国际
模型 | 接入方式 | 说明 |
| HTTP | 非流式合成，按 Token 计费 |
| HTTP | 非流式合成，按 Token 计费 |
| HTTP | 快照版本，按 Token 计费 |
| HTTP | 快照版本，按 Token 计费 |
| WebSocket | 流式合成，按 Token 计费 |
| WebSocket | 流式合成，按 Token 计费 |
| WebSocket | 快照版本，流式合成，按 Token 计费 |