阿里刚刚一口气发了五款语音模型：Qwen-Audio-3.1系列，并全线降价，ASR降95%、Realtime降85%、TTS降70%

同时覆盖理解、生成、创作、实时交互的完整链条。阿里这次直接打出了语音模型的三板斧：能力全栈化、价格断崖下探、语音被推到Agent/硬件入口位置

它这次的Realtime不是只会聊天，是全双工可打断、能识别情绪、能多语言切换，还能调用工具，这就会把语音从搜索式问答推向事务式对话

实时语音从“功能”变成“交互入口”，直接冲击客服、助手以及硬件，AI眼镜、办公Agent、硬件结合等无屏化任务场景或将迎来一波热潮

ASR：能转写30种语言+16种中文方言、原生转写润色（去语气词/重复、语义重组）、分角色转写（谁在什么时候说了什么，带时间戳，支持插话/重叠语音）、流式低延迟（首字约160毫秒）

ASR-Next：从“语音转文字”扩展到“理解整个音频”，能听出情绪、环境声、机械声，理解事件时间、进行音频问答

TTS：重点是同一音色跨语言/方言不变味，还能控制情绪和语速

TTS-Next：这个比较狠，从“配音”升级到“做完整音频作品”，一次生成人声、音效、环境音，多角色音色一致、全程不变声；48kHz输出

直接瞄准播客、有声书、影视、游戏、广告等场景

Realtime：全双工，可同时说和听，可打断、能共情、能无缝切换语言、对话中能调用Agent工具完成任务

Qwen-Audio-3.1-ASR:
http://t.cn/AXOgR8rZ
Qwen-Audio-3.1-TTS：
http://t.cn/AXOgR8rz
Qwen-Audio-3.1-TTS-Next:
http://t.cn/AXOgR8rw
Qwen-Audio-3.1-Realtime:
http://t.cn/AXOgR8rA
Qwen-Audio-3.1-ASR-Next API即将出

#阿里最新语音模型##Qwen-Audio-3.1##AI语音助手#