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
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11