Ep.591 Qwen3-TTS-Flash登場──“多言語・多方言・多声色”で音声エージェントを日常に（2025年9月25日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Sep 24, 2025 · 4m

Qwenがテキスト読み上げの新モデル「Qwen3-TTS-Flash」を公開しました。公式ブログと告知では“multi-timbre, multi-lingual, multi-dialect”をキーワードに掲げ、ひとつのモデルで多様な声質や言語・方言を自然に切り替えることを目指すと説明。英語と中国語を中心に強みをうたう一方、提供は当面API経由が基本で、無料で触れる公式デモも案内されています。

今回のTTSは、Qwenが進める“音声エージェントの三位一体”のうち「話す」パートの最新ピースです。「聞く」側には多言語対応の音声認識「Qwen3-ASR-Flash」が控え、「考える・統合する」にはテキスト・画像・音声・動画を横断する基盤「Qwen3-Omni」が位置づきます。ASRとTTSを前後に挟むことで、リアルタイムの会話体験や音声UIの応答速度・自然さを底上げする構図が見えてきました。

実装と配布の足回りも抜かりありません。Qwenは自社サイトやHugging FaceのデモでTTSの試聴を広げつつ、モデル群はAWSのBedrockにも載りはじめ、企業が既存クラウド内でQwen3系のエージェント機能を組み込める環境が整ってきました。要は“配れる場所”と“触れる窓口”が増え、試作から本番までの移行が軽くなっているわけです。…