Alibaba Cloud
Qwen Cloud 的语音栈，覆盖文本转语音、声音克隆、语音识别和实时多模态语音。
Qwen Cloud 列出 CosyVoice-v3-plus 高质量语音合成和声音克隆、Qwen3-ASR-Flash-Realtime 多语言实时语音识别，文档还列出 Qwen3.5-Omni-Flash-Realtime 实时多模态语音对话。
专题指南基于来源梳理 Qwen3.8 与 Qwen3.7 模型、开放权重、Qwen Cloud API、Qwen Code、Token Plan 和多模态产品。
编辑结论
适合通过英文平台评估中国语音合成、声音克隆、ASR 和实时语音 API 的团队。
未明确授权和核验保留规则前，不应生产使用克隆声音。
Qwen Cloud 已有足够官方音频证据，值得单独放入音频分类。
Free tier and pay-as-you-go speech API billing vary by model
Qwen Cloud billing, Token Plan where supported, Pay-as-you-go API billing
商用应遵守当前产品、API、模型许可证和计费条款。
处理敏感负载前，请核验提示词、文件、媒体上传、保留和训练使用条款。
使用 CosyVoice 评估专业语音合成和自定义声音生成。
使用 Qwen3-ASR-Flash-Realtime 进行多语言语音识别测试。
模型名称、额度、发布状态、区域接入和商用条款变化较快，采购或生产使用前请重新核验官方来源。
minimax-audio
zhipu-glm-audio
sparkdesk
官方 · EN · 核验于 2026-08-04
列出 CosyVoice-v3-plus 和 Qwen3-ASR-Flash-Realtime。
最后核验: 2026-08-04
暂无已审核的评论。