Episode Details

阿里巴巴 Qwen3 TTS 提供克隆聲音、設計音色、指令控制三種策略，每條路徑對應不同使用情境。雲端 API 隨開即用，主流模型 $0.115 / 10K 字元；開源版完全免費，4GB VRAM 可跑，16-19 秒生成。支援中文普通話加 8 種方言，含閩南語、粵語。本文完整拆解三種模式的差異、限制與適合場景。

⭐ 文章深度讀
拆解克隆、設計、指令三條路徑，每條適合場景和使用限制都列清楚了
→ https://heymaibao.com/qwen3-tts-guide/

📝 懶人包
∙ 三條路徑各自獨立：克隆他人聲音 (VC)、用提示詞設計全新音色 (VD)、選預設音色 + 情緒指令 (Instruct-Flash)，這三條路是完全不同的策略，不是同一個流程的變體，選錯了要回頭重來。
∙ 本機版真的可以跑：開源免費，1.7B 版本只需 4GB 顯示記憶體 (VRAM)，搭配 ComfyUI 有現成工作流程，不用自己寫程式。實測生成時間約 16 到 19 秒。
∙ 雲端版計費可以算清楚：主流模型 (Instruct-Flash、VD、VC) 都是 $0.115 / 10K 字元，Flash 版更便宜。舊版 Qwen-TTS 是以詞元計費，貴很多，新專案不建議用。
∙ 我的觀點：這種「先選路徑，再選模型」的架構設計，對需求明確的人來說很友善。但如果你對語音需求還模糊，反而可能卡在選擇上。先把應用場景想清楚，再來選工具。

📚 參考資料
- Qwen TTS 官方文件：https://www.alibabacloud.com/help/en/model-studio/qwen-tts
- Qwen3 TTS 示範影片：https://youtu.be/eC8mZceIy5k?si=AAK4z19KRWxuYp_p