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。
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
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27
- 用 Tailscale 让云端 Grok Bot 在自己 Mac mini 上写代码，全程不开公网端口 — talkaboutdesign · 2026-10-27
- 工程师数月实践：Agent 每次调用重发全量上下文，改一个 token 全额付费 — dscape · 2026-10-27
- Alchemy 支持 Effect Workflow:跨 Durable Objects、Workflows 与 Lambda 持久函数 — samgoodwin89 · 2026-10-27
- Alchemy 推出 Lambda Web Functions,Node 版 Web 服务器直接上 Lambda — samgoodwin89 · 2026-10-27
- Alchemy 全部约 2850 个 AWS binding 现已跨云可用 — samgoodwin89 · 2026-10-27