Qwen-Audio-3.0-Realtime升级
通义实验室 · wechat · 2026-07-15
通义实验室发布实时语音交互模型 **Fun-Realtime-AudioChat 升级版**，并更名为 **Qwen-Audio-3.0-Realtime**。这次更新重点不是“能不能说话”，而是把语音对话做得更自然、更像真人： - **情感与语气表达**：能根据语境动态调整语气、节奏、音高和情感表达，还支持音色克隆，减少机械朗读感。 - **多模态双工控制**：在嘈杂环境里能更稳地识别主说话人，减少被背景声、插话和多人对话打断；还提供声纹级背景过滤能力。 - **工具调用能力**：模型可根据上下文自动判断何时调用工具，支持路线规划、信息查询、日程安排、表格查询等任务，强调“边聊边办事”。 - **底座与评测**：使用 On-Policy Distillation 和多教师蒸馏，把文本模型的推理、agentic、音频理解等能力蒸馏到语音模型里；文中还给出 VoiceBench、AudioMultiChallenge、ArtificialAnalysis 等基准成绩，并称在若干子项上取得 SOTA 或综合第一。 文末说明该模型已上线阿里云百炼，并提供了 API、文档和 Demo 链接。