阿里一口气上新5款千问模型，价格最高降95%

阿里一口气上新5款千问模型，价格最高降95%

9月23日，千问正式发布Qwen-Audio-3.1系列语音大模型，一次性推出5款模型，对语音识别（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大核心模型进行升级，并发布基于下一代架构的音频理解模型ASR-Next与音频创作模型TTS-Next。全线语音模型价格大幅下调，其中TTS降价约70%、Realtime降幅约85%、ASR降幅达95%。

三大核心模型升级

• Qwen-Audio-3.1-ASR：采用端到端方案，支持30种语言和16种中文方言。在公开方言测试中平均字错误率仅为4.55%。首字响应约160毫秒，自带润色与说话人区分功能。
• Qwen-Audio-3.1-TTS：升级跨语言音色合成能力，同一音色可跨语种自然迁移。支持通过指令控制情绪、语速和表达方式。
• Qwen-Audio-3.1-Realtime：强化全双工实时交互，能根据对话进程适时等待、插入和回应。支持多语言实时切换与工具调用，背景语音干扰响应率大幅降低。

两款Next新模型

• Qwen-Audio-3.1-ASR-Next：将声音处理范围扩展至完整音频信息，能理解人物情绪、环境声与机械声，完成声音描述、事件定位与音频问答。
• Qwen-Audio-3.1-TTS-Next：从语音合成拓展至音频创作，可统一生成人声、音效和环境音。支持细粒度时间戳控制、声音复刻和48kHz输出，覆盖播客、影视、游戏等场景。

智能硬件发布

千问办公同步发布两款智能硬件：首款Agent硬件QwenNote A2（磁吸手机背面的AI助理，支持独立录音转写、翻译与AI对话）和桌面机器人Eva（支持实时语音交互与多端联动）。Qwen-Audio-3.1-Realtime将逐步接入这些硬件及AI眼镜等终端。