阿里通义发布 Qwen-Audio-3.1-Realtime 实时语音模型

solyarisoftware · x · 2026-10-22

通义语音团队发布 Qwen-Audio-3.1-Realtime，主打真实对话场景下的实时语音交互。

团队强调实时语音不是 ASR + LLM + TTS 的简单拼接：人类对话充满打断、说到一半改主意、自主决定何时说话或等待等混乱行为，该模型正是为此设计。配图展示其 Listen（音频+上下文）→ Think（推理决策）→ Speak（回应/等待）/ Act（执行/验证）的循环架构，支持执行反馈与对话持续流转。