千问一口气发布五款语音模型，ASR 直降 95%
千问大模型 · wechat · 2026-09-23
阿里巴巴千问正式发布 Qwen-Audio-3.1 系列，五款模型覆盖「理解-生成-交互-创作」：ASR、TTS、Realtime 全面升级，并新增音频理解模型 ASR-Next 和音频创作模型 TTS-Next。全线降价：TTS 降约 70%，Realtime 降约 85%，ASR 降达 95%。
要点
- ASR：支持 30 种语言、16 种中文方言，方言平均 CER 10.38%，新增原生转写润色与分角色结构化转写，流式首字延迟约 160ms
- ASR-Next：扩展到泛音频理解，可识别情绪、环境声与机械声，支持音频问答与事件定位
- TTS：同一音色跨语言自然迁移，支持指令控制情绪语速
- TTS-Next：从语音合成扩展为通用音频生成，统一输出人声、音效与环境音，支持 48kHz 与时间戳控制
- Realtime：全双工交互，可插话打断，理解情绪意图，支持多语言实时切换与对话中调用 Agent 工具
API 已上架千问 AI 平台，并与 Qoder、千问办公等 Agent 及多款 AI 眼镜等硬件结合。
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)→
「多模态」频道最新
- Recraft 更新矢量生成：曲线更顺滑直线更直，Vectorizer Pro 全员可用 — aziz4ai · 2026-11-12
- Fable 5.2 实测生成细菌鞭毛马达视频,输出质量惊人 — Dr_Singularity · 2026-11-12
- MiniMax H3 Image 对比 MOSS Image：6 步出 16MP 对阵 50 步 2MP — zmarcoz2 · 2026-11-12
- 把 AI 生图当片场用：Intangible Canvas 场景编辑实测 — umesh_ai · 2026-11-12
- 先在 3D 里定机位再生成视频:Mars 场景工作流实操分享 — umesh_ai · 2026-11-12
- 生成前先定机位:Intangible AI Canvas 用 3D 场景预演 AI 视频 — umesh_ai · 2026-11-12