用途：Qwen3-TTS 用于规划、调用、审核和记录语音合成，适合有声书、在线教育、内容制作、低延迟助手、客服与实时朗读等场景。
主要能力：官方资料称其为多语言、可表达、可控、支持流式的 TTS 家族，含 12Hz/25Hz 变体、0.6B/1.7B 规模，具备音色克隆、音色设计、多语言生成与流式能力，模型与分词器以 Apache-2.0 发布。托管侧提供非实时 HTTP/SSE 与实时 WebSocket 两条路线；非实时适合延迟不敏感的批量与旁白，实时适合助手、有声书流式与客服。
使用方式：非实时走多模态生成端点，需传 model、input.text、voice，可选 language_type；加 X-DashScope-SSE: enable 可流式输出。实时 Python SDK 需 DashScope Python SDK 1.25.11 及以上，支持 server_commit 与 commit 两种模式，输出格式含 pcm、wav、mp3、opus，采样率 8000/16000/24000/48000 Hz。表达控制用 instructions 参数（中英文，上限 1600 token）；音色设计用文字描述生成音色（描述上限 2048 字符，中英文）；音色克隆用 10–20 秒样本。
限制与注意：托管并非单一端点，内置音色、指令、音色设计、克隆与实时变体分属不同模型族，区域与模型列表须以最新官方文档为准；区域 API Key 不可互换。非实时返回的 output.audio.url 仅 24 小时有效，须立即下载并保存清单。单请求文本有上限（Qwen-TTS 512 token，其他模型 600 字符）。克隆与设计音色不支持方言。音色设计结果不确定，同一描述可能生成不同音色。开源权重路径需自建推理、并发、日志与审核等工程能力，不自动继承托管侧的计费、配额与审计行为。具体价格、配额与完整音色列表暂未提供。