文档 / 语音服务商

阿里云百炼（CosyVoice / Qwen-TTS）

一句话：Soniva 的默认品牌。中文自然度好、音色数量最多、价格在中游，不知道选什么的时候选它不会错。

一句话：Soniva 的默认品牌。中文自然度好、音色数量最多、价格在中游，不知道选什么的时候选它不会错。

这是什么

阿里云百炼（Model Studio）是阿里云的大模型服务平台，语音合成部分有两条产品线：

CosyVoice 系列——主力产品线，中文表现最成熟，音色最多。
Qwen-TTS / Qwen-Audio-TTS 系列——通义千问团队的语音模型，音色少但更新快。

Soniva 默认就用这家的 CosyVoice v3-flash，新用户第一次打开 TTS 设置看到的就是它。

可选模型与价格

模型	积分 / 千字符	音色数量	说明
cosyvoice-v3-flash	16	最多（约 91 个）	默认档。性价比最好，绝大多数场景用这个
cosyvoice-v3-plus	32	仅 2 个	贵一倍，音色反而极少，一般不推荐
cosyvoice-v2	32	中等	上一代，音色跟 v3 不通用
cosyvoice-v1	32	中等	最早一代
qwen-audio-3.0-tts-plus	32	仅 2 个	官方最新一代，目前只有 2 个系统音色
qwen-audio-3.0-tts-flash	32	少	同上，更快的档位
qwen3-tts-instruct-flash	32	少	支持用自然语言指令描述语气
qwen3-tts-flash	32	少
qwen-tts	32	少	最早一代 Qwen 语音模型

为什么 Qwen 系列都标 32：Qwen 系列上游是按 Token 计费的，跟按字符计费不是一套口径， Soniva 还没有把它换算进费率表。在换算清楚之前，这几个模型统一按阿里云最贵的那一档 保守计价——也就是说，你用它们时扣的积分只会多不会少。等核实完会调下来。

价格出处：https://help.aliyun.com/zh/model-studio/model-pricing （核实于 2026-08-17）

选哪个模型

直接用默认的 cosyvoice-v3-flash。 它同时占了三个第一：最便宜、音色最多、中文最自然。

需要换档的情况只有两种：

你在别处听过某个具体音色，而它只在 v2 / v1 下有——CosyVoice 四个版本的音色表是完全独立的，不是同一批音色的不同画质。v3-plus 只有 2 个音色，跟 v3-flash 的 91 个完全是两回事。
你想试 qwen3-tts-instruct-flash 的指令控制——可以用自然语言描述想要的语气。

音色

阿里云上游没有提供公开的音色列表接口，所以 Soniva 用的是内置的静态音色表，按官方逐模型音色文档逐条核对过（CosyVoice 四个版本、Qwen 三代模型各自独立）。

免费试听的代表音色是 龙安洋（cosyvoice-v3-flash 下）。

关于「声音复刻」

阿里云还有 cosyvoice-v3.5-flash / v3.5-plus / qwen3-tts-vd / qwen3-tts-vc 这几个型号，名字看起来像是更新的版本，但它们是声音复刻 / 语音设计模型，不是普通的预置音色模型—— 选中之后官方的音色列表本身就是空的，必须先上传自己的声音做复刻，才能拿复刻出来的音色去合成。

Soniva 目前没有开放声音复刻功能，所以这几个型号不在可选列表里。等复刻功能做完会重新接回来。

自带 API Key（BYOK）

阿里云是唯一一个两种 Key 走两套协议的品牌，填 Key 时留意一下：

Key 前缀	来源	走的协议
`sk-...`	DashScope 主账号 Key	普通 HTTP 接口
`sk-ws-...`	百炼工作空间 Key	只支持 WebSocket

Soniva 会自动识别前缀并切换到对应协议，你不需要做任何设置，两种 Key 填进去都能用。

用自己的 Key 时不扣 Soniva 积分，单次朗读上限也从 500 字放宽到 4,000 字。