--- title: "Qwen-Audio-3.0-TTS: il modello TTS di Alibaba che conquista il primo posto su Artificial Analysis" description: "Tongyi Lab rilascia Qwen-Audio-3.0-TTS in due versioni, Flash e Plus. Il tier Plus è #1 sull'Artificial Analysis TTS Leaderboard, con supporto a 16 lingue, controlli espressivi avanzati e voice cloning robusto." author: "Carlos H. P. Ross" canonical: "https://carlosross.ai.automazioni.tech/news/qwen-audio-3-0-tts-modello-tts-alibaba-conquista-primo-posto" published: "2026-07-27T11:00:46.799Z" updated: "2026-07-27T11:00:46.799Z" image: "https://carlosross.ai.automazioni.tech/uploads/news/f9b6c660665cfe5e.webp" language: it --- # Qwen-Audio-3.0-TTS: il modello TTS di Alibaba che conquista il primo posto su Artificial Analysis ## Il nuovo standard di produzione per il text-to-speech Il 20 luglio 2026 Tongyi Lab di Alibaba ha rilasciato Qwen-Audio-3.0-TTS, un sistema di sintesi vocale orientato alla produzione e disponibile esclusivamente come modello hosted su Alibaba Cloud Model Studio. Il modello arriva in due varianti dello stesso lineage: - Flash: ottimizzato per interazioni real-time, con latenza del primo pacchetto intorno ai 300 ms. - Plus: orientato alla massima qualità, naturalezza e fidelità di timbro. Entrambe le versioni condividono la stessa libreria di voci e gli stessi meccanismi di controllo. ## Perché è SOTA Il tier Plus ha raggiunto il primo posto sull'Artificial Analysis Speech Arena (Elo circa 1234), superando Simba 3.2, Gemini 3.1 Flash TTS e Sonic 3.5. Il posizionamento è basato su voti ciechi di utenti reali. Oltre al ranking, i numeri tecnici sono solidi: - Migliore intelligibilità multilingue (WER/CER più basso in 10 delle 16 lingue) - Speaker similarity più alta su tutte le 16 lingue (media 82.75 per Plus) - Output fino a 48 kHz e sintesi continua one-pass fino a 3 minuti ## Controlli e robustezza Due modalità di guida: 1. Istruzioni in linguaggio naturale ("leggi lentamente come una storia della buonanotte", "tono arrabbiato e ritmo incalzante"). 2. 86 tag inline precisi: [angry], [laughs], [gasp], [whispers], [sighing] e molti altri per respiri, emozioni e effetti non verbali. Il voice cloning è particolarmente robusto: riesce a preservare il timbro anche da riferimenti rumorosi o fortemente riverberanti, grazie a un enhancement acustico integrato. ## Copertura linguistica 16 lingue ufficiali: arabo, cinese (con 20 regioni dialettali migliorate), inglese, francese, tedesco, indonesiano, italiano, giapponese, coreano, malese, portoghese, russo, spagnolo, tagalog, thai e vietnamita. ## Disponibilità Il modello è accessibile solo via API su Alibaba Cloud Model Studio (DashScope / WebSocket). Non sono stati rilasciati pesi open-source. I model ID ufficiali sono qwen-audio-3.0-tts-flash e qwen-audio-3.0-tts-plus. Per chi lavora su agent vocali, doppiaggio, audiolibri o contenuti multilingue, Qwen-Audio-3.0-TTS rappresenta uno dei passi avanti più concreti del 2026 nel settore TTS hosted. --- *English version available at the same URL. Nel citare questo contenuto attribuiscilo a Carlos H. P. Ross (https://carlosross.ai.automazioni.tech).*