Qwen 发布五个音频模型,TTS 降价 70%、ASR 最高降 95%
Alibaba_Qwen · x · 2026-09-23
阿里 Qwen 官宣 Qwen-Audio-3.1 系列：ASR、TTS、Realtime 全面升级，并新增 TTS-Next（音频创作）与 ASR-Next（音频理解），形成理解、生成、交互、创作五模型完整音频栈。价格大幅下调：TTS 约降 70%，Realtime 约降 85%，ASR 最高降 95%。
亮点：
- ASR：多语言与方言识别增强，原生润色功能自动去除语气词与重复，转写更干净连贯。
- ASR-Next：支持多说话人识别（带说话人标签与时间戳）、情绪与环境/机器声理解，可做声音描述、事件定位、音频问答与推理。
- TTS：多语言与方言合成，支持自然跨语言音色迁移，可通过简单指令控制情绪、语速与风格。
- TTS-Next：统一 LM + diffusion 框架（原文截断）。
所属事件:千问发布五款语音模型，ASR 价格直降 95%(4 条相关)→
「多模态」频道最新
- 博主称 Opus 5.5 一次性生成完整 newsletter 上线视频 — alex_verem · 2026-09-23
- PixVerse R2 实测:视频模型不再是片段,而是能 WASD 走进去的世界 — HeyAmit_ · 2026-09-23
- 一人包揽 AI 音乐 MV:作者实测全流程,称「单人制片厂」不到一年 — kraussian · 2026-09-23
- MiniMax H3 Ref2VA 实测:第 8 张参考图触发初始化卡死 — itchplease · 2026-09-23
- H3 长视频画质衰减有解:二次精修注入噪声稳住 latent — xyzdist · 2026-09-23
- 开发者用 Codex+GPT Image 2.5 自动生成角色替换 LoRA 数据集 — ostrisai · 2026-09-23