阿里发布 Qwen-Audio-3.1-ASR：新增说话人分离与通用音频理解
Chuanmeng Bian · hf · 2026-10-22
阿里巴巴发布 Qwen-Audio-3.1-ASR 音频语言模型系列技术报告，在上一代 3.0 基础上改进语音识别，并扩展说话人分离转录与通用音频理解能力。
- 支持 30 种语言和 16 种中文方言，具备历史上下文条件控制、层级热词定制和原生转录润色等指令控制能力。
- 说话人分离 ASR 输出含说话人标签、时间戳与识别文本的结构化结果，跨轮次保持说话人标签一致并支持重叠语音表示。
- 通用音频理解覆盖音频/语音/音乐描述、时间定位、声音事件检测、音频问答与选择题推理。
- 提供异步文件转录、低延迟流式、交互式语音输入与非流式识别等多种部署变体。
「模型」频道最新
- AI 小说获龚古尔奖却遭 ICLR 恶评,博主归因母语盲区与模型差异 — EliasEskin · 2026-10-22
- 博主支招 Codex 重置卡策略：先蹬完额度再等官方重置 — xiaohu · 2026-10-22
- 用 Kaldi 音素序列验证 TTS 发音,破解多音字试听难题 — dotey · 2026-10-22
- NVIDIA 开源 Nemotron 3.5 Parse,登顶 ParseBench 文档解析榜 — llama_index · 2026-10-22
- Cohere Labs 发布 62 文化谜语基准，前沿模型部分社区准确率仅 22% — CohereLabsCommunity · 2026-10-22
- 第三方用自建测试对比 Flint 与 Qwen 3.6 35B — _rockt · 2026-10-22