概要
Qwen音声モデルの音声クローニング用モデル。5秒以上の音声サンプルから、元の声に近い音色を作成する。公開日は2025年11月27日。(help.aliyun.com)
能力と用途
- 入力は音声、出力はテキスト。作成した音色を
qwen3-tts-vc-realtimeと組み合わせ、高忠実度の音声合成に利用できる。公式説明では、組み合わせによる音声出力は10言語に対応する。 - 合成音声はテキストに応じて声の調子を調整でき、複雑なテキストの合成にも対応する。用途には、既存の声を使った多言語音声コンテンツ制作がある。(help.aliyun.com)
制限
- 音声合成には別の対応モデルとの組み合わせが必要。
- Function Calling、構造化出力、ウェブ検索、プレフィックス補完、コンテキストキャッシュ、バッチ推論、モデルのファインチューニングは非対応。最大入力長・最大出力長・コンテキスト長は公式モデル情報に数値の記載がない。(help.aliyun.com)
料金
以下は音色の新規作成数に基づく料金であり、入力・出力トークン別の単価は示されていない。音声合成モデルの料金は別途確認が必要。価格確認日はいずれも2026年11月17日。
- 中国国内版 Alibaba Cloud Model Studio、北京リージョン:1音色あたり CNY 0.01。無料枠は1アカウントあたり1,000音色で、サービス開通日・モデル公開日・申請承認日のうち最も遅い日から90日間有効。作成失敗は課金・無料枠消費の対象外で、音色を削除しても無料枠は戻らない。国内版のシンガポール国際デプロイも1音色あたりCNY 0.01だが、無料枠はない。出典:中国国内版公式料金表。(help.aliyun.com)
- 国際版 Alibaba Cloud Model Studio、シンガポールリージョン・国際デプロイ:1音色あたり USD 0.01。無料枠は1アカウントあたり1,000音色で、サービス開通日・モデル公開日・申請承認日のうち最も遅い日から90日間有効。国際版の北京リージョンも1音色あたりUSD 0.01だが、無料枠はない。出典:国際版公式料金表。(alibabacloud.com)