阿里连发五款 Qwen-Audio-3.1 语音模型,ASR 直降 95%
aigclink · x · 2026-09-23
阿里一次发布五款 Qwen-Audio-3.1 系列语音模型,并全线降价:ASR 降 95%、Realtime 降 85%、TTS 降 70%,覆盖理解、生成、创作与实时交互全链条。
- ASR:支持 30 种语言 + 16 种中文方言,原生转写润色(去语气词/语义重组)、分角色转写带时间戳、流式首字延迟约 160 毫秒
- ASR-Next:从转写扩展到理解整段音频,可识别情绪、环境声,支持音频问答
- TTS:同一音色跨语言/方言不变味,可控制情绪与语速
- TTS-Next:一次生成人声+音效+环境音的完整音频作品,48kHz 输出,瞄准播客、有声书、影视、游戏场景
- Realtime:全双工可打断、识别情绪、多语言无缝切换,并能调用 Agent 工具完成任务
作者判断:实时语音正从「功能」变成「交互入口」,将冲击客服、助手及 AI 眼镜等无屏化硬件场景。
所属事件:阿里Qwen连发五款Qwen-Audio-3.1音频模型并全线大降价(6 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12