阿里新搞了两个TTS，音色创造Qwen3-TTS-VD-Flash和音色克隆Qwen3-TTS-VC-Flash

这两个模型一句话总结，3秒克隆音色或用自然语言捏新音色，让AI用任意角色、任意语言、任意情绪自然说话

文本鲁棒性强，多样化非规范化的文本也能处理

1、VD-Flash音色创造模型