通义发布实时语音模型Qwen-Audio-3.0-Realtime
千问大模型 · wechat · 2026-07-15
阿里正式发布 Qwen-Audio-3.0-Realtime，主打“又快又聪明”的实时语音交互：既追求毫秒级响应，也尽量保留推理能力。官方同时给出 Plus 和 Flash 两个版本，分别偏向更强推理和更低延迟。
文中重点强调了四类能力升级：
- 智商/推理：在 VoiceBench、AudioMultiChallenge 等基准上表现提升，口语化输入下衰减较小。
- Agent 工具调用：无需明确指令即可自行触发外部工具，结果会进入对话记忆，可通过 FunctionCall、MCP、API、知识库接入。
- 共情表达：可根据语境调整语气、节奏、音调，并通过笑声、叹息、犹豫等副语言信号增强自然度。
- 双工交互：支持边说边听、随时打断、多人场景切换，还可通过 audioprompt 锁定声纹。
官方将其能力来源归结为 On-Policy Distillation 和多教师蒸馏：文本大模型的推理能力被蒸馏到语音模型中，同时用不同教师分别补强口语偏好、通用问答、Agent 调用和音频理解。
所属事件:阿里发布实时语音模型 Qwen-Audio-3.0-Realtime(2 条相关)→
「编程与Agent」频道最新
- Vovy 发布:跟随光标的 Mac 语音 Agent,免费档每月 100 credits — Scobleizer · 2026-10-27
- Reddit 网友征集:带持久记忆的个人 AI 通讯助手怎么搭 — BrooksomidusGG · 2026-10-27
- Claude Code 用法心得：max 档做规划，xhigh 档做实现 — majidmanzarpour · 2026-10-27
- Chrome 团队详解 WebMCP：不是取代 MCP，而是让网站直接向 agent 提供工具 — rseroter · 2026-10-27
- Agent 绕过 UI 就能改已审批报销单?Agent-Native 框架要堵这个洞 — rseroter · 2026-10-27
- 开发者晒 AI 编码智能栈：人定方向 Opus 写码 Astra 审查，人类只做审阅 — sh_reya · 2026-10-27