跳转到正文

GETAI EDITORIAL DISPATCH新闻报道

Together AI 上线 Qwen3 TTS,报告流式首段音频最快 97 毫秒

开发者可在十种语言间沿用同一音色,并按输入是否完整选择 HTTP 流或 WebSocket。

返回资讯应用Together AI作者 · GETAI.APP查看原文

Together AI 在 11 月 20 日宣布,通过其服务可以调用 Qwen3 TTS。开发者可选九种预设音色,并用自然语言指定一句话要说得轻快、兴奋还是平静。同一音色可以覆盖包括中文、英语、日语在内的十种语言,适合需要在不同市场保持声音一致的产品。

GETAI 原创主题插画

两种流式接口解决的是不同问题。文本已经齐全时,客户端可通过 HTTP 提交完整内容,在服务器逐段返回音频时开始播放。如果上游模型仍在写回答,客户端则可保持一条 WebSocket 连接,分次发送文本,由服务在收齐句子后合成。这使语音助手可以在整段回答写完前就开始出声。

Together AI 给出的最快首段音频时间是 97 毫秒,衡量的是流式请求何时开始返回声音。它没有给出所有请求的典型延迟,也没有把上游生成文字、网络传输和本地播放合成一个端到端数字。官方示例使用 24 kHz、16 位单声道 PCM,可以直接观察每批音频到达的时间。

原始来源 · 核对材料

配图为 GETAI 原创 AI 主题插画。