千问发布 Qwen-Audio-3.1 下调 Qwen-Audio 全线语音模型价格

今天，千问正式发布 Qwen-Audio-3.1 系列语音大模型。本次升级不仅对语音识别（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大核心模型进行了全面进化，更重磅推出了全新的音频创作模型 Qwen-Audio-3.1-TTS-Next 和音频理解模型 Qwen-Audio-3.1-ASR-Next。五款全新的语音模型同时推出，形成了一套覆盖“理解-生成-交互-创作”的完整音频能力栈。为进一步降低用户使用成本，Qwen-Audio 全线语音模型价格均下调，其中TTS降价约70%，Realtime降幅约85%，ASR降幅达95%。

千问这波操作，直接把AI音频赛道的“地板”给掀了。

今天Qwen-Audio-3.1系列正式发布，5款模型直接把语音识别、合成、实时交互、音频创作的能力给包圆了：ASR能认30种语言+16种方言，还能自动去语气词、标说话人；TTS新增创作模型，音色更自然；Realtime实时交互延迟压到160毫秒，几乎和真人对话没区别。

更狠的是价格：ASR降95%，Realtime降85%，TTS降70%。
原来跑不起的全量会议转录、长视频审核、有声书批量制作，现在直接可以放开跑；中小开发者不用再为成本发愁，智能硬件、实时客服、AI主播这些场景，一下子就从“概念”变成了“能落地赚钱的生意”。

这背后是阿里的清晰算盘：

- 用全栈能力打穿音频场景，从“卖模型”变成“卖整套解决方案”；
​
- 用极致性价比挤压竞争对手，把中小厂商的生存空间直接压缩；
​
- 用价格换规模，把AI语音从“高门槛技术”变成“普惠基础设施”。

对市场来说，这是一个明确的信号：
AI音频的爆发期，真的要来了。
接下来，谁能把这些能力落地到具体场景，谁能靠规模化摊薄成本，谁就能吃到这波红利。

但做交易，别把降价直接当成股价上涨的保证书。
AI赛道的竞争，从来都是“技术+成本+场景”的综合比拼。
价格战能抢市场，但最终能不能守住，还要看能不能把客户留住、能不能把收入做厚。

题材炒预期，落地看场景。
千问把门槛打下来了，接下来就看谁能接住这波红利。