Qwen 刚发布的这俩新模型，可能要省掉我每个月给 ElevenLabs 交的订阅费了。
主打「3 秒克隆」和「文本捏人声」，对于我们这种要做多语言视频的创作者来说，吸引力很大。
具体有两个新成员：
1️⃣ VoiceDesign (VD-Flash)：不用找现成音色，直接用 Prompt「捏」声音。
假如我想给独立开发的小游戏 NPC 配个“焦虑的中年侦探”音色，以前得在素材库翻半天，现在写几行指令就能生成。官方测试说在角色扮演场景下比 Gemini-2.5-pro 还稳。
2️⃣ VoiceClone (VC-Flash)：只需 3 秒干音就能克隆。
这对出海做内容太友好了，支持中英日等 10 种语言。我试着把我的中文克隆成西班牙语，语调的上下文断句比 Grok 要自然，没有那种明显的“机械感”。
虽然官方数据说错误率低了 15%，但我实测感觉在极快语速下还是偶尔会吞字，不过作为生产力工具完全够用了。
#AI语音 #独立开发 #Qwen #开源模型 #效率工具