---
title: "用 Qwen3-TTS 混合音色并为克隆声音添加指令"
canonical: "https://siyuanailab.com/curation/entry/631de52452bbdc856de13abe7b852a74/"
dateModified: "2026-10-30"
datePublished: "2026-10-30"
---

[← 返回日报](https://siyuanailab.com/curation/#entry/631de52452bbdc856de13abe7b852a74)

AI / 中文摘编收录于 2026-10-30

# 用 Qwen3-TTS 混合音色并为克隆声音添加指令

原始来源

- [lucumr.pocoo.org · Custom Voices With Qwen3-TTS ↗](https://lucumr.pocoo.org/2026/10/29/qwen3-custom-voices/)原文发布：2026/10/29 08:00:00（北京时间）

依据原文整理。

[资料节译](https://siyuanailab.com/curation/translations/631de52452bbdc856de13abe7b852a74-32b27655ef7e7ae89255c5ecd0656b728bba075fd60d55940cfd42e2c30d74bc/)

六轴双评分均分：73 / 100

相关性 8.5 / 10 · 新信息 7.5 / 10 · 证据 6.5 / 10 · 推理 7 / 10 · 信息密度 8 / 10 · 行动价值 7 / 10

## 中文摘编

文章展示了把 Qwen3-TTS Base 的说话人嵌入交给 CustomVoice 模型，使克隆声音也能接受语气指令，并用嵌入混合生成自定义音色。作者还比较了嵌入用于说话人识别的效果：会议录音片段作参考时，Qwen3 未能奏效；改用播客开头的自我介绍片段后，识别了其余窗口的98%，而 ECAPA 用会议片段识别了97%的窗口。

依据来源材料整理，保留事实、观点与适用范围的区别。  
完整上下文请阅读原始来源。

© 2026 思远 AI Labs
