阿里发布Qwen-Audio-3.1-Realtime,误响应背景语音从73%降至13%
mark_k · x · 2026-09-30
阿里巴巴发布实时语音模型 Qwen-Audio-3.1-Realtime,已可通过 API 使用。关键能力:
- 可边说话边聆听(full duplex),对话中调用工具
- 能自主决定何时说话、停止或保持沉默
- 针对真实场景降噪:与上一代相比,对背景中无关人声的误响应率从 73% 降到 13%
作者强调「知道何时闭嘴」是语音 agent 可用性的关键——对房间里每个声音都回应的助手几乎没法用。目标是打造能跟随变化指令、完成任务、自然对话的语音 agent。
「模型」频道最新
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16
- Devin 构建中现 Anthropic 隐身模型,METR 图显示前沿速度提至 1.4 倍 — daniel_mac8 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 自托管实测:Unsloth Q8 量化版大幅优于默认 Q3,连夜跑完 331 份账单分析 — No_Cartographer3953 · 2026-11-16