阿里Qwen-Audio-3.1发布，语音模型成本砍掉七成
9月23日云栖大会，阿里把语音模型一口气放了出来。
Qwen-Audio-3.1一次推出五款：ASR、TTS、Realtime，再加两款Next升级版。
数字很直接：TTS成本降70%，实时对话降85%，识别降95%。API已经上架千问平台。
这意味着什么？
过去做语音客服、实时翻译、智能录音，最烧钱的就是通话时长和识别调用。成本砍掉一大截，原来算不过账的场景，现在能跑了。
我做新媒体这些年，团队最头疼的就是把长视频、长会议转成文字再剪。识别一降95%成本，这类活儿的门槛直接塌下来，小团队也能玩了。
但降价从来不是终点。
阿里这波是把语音栈当基础设施在铺——先让大家都用得起，再用规模换生态。谁先卡住开发者的语音入口，谁就捏住了下一代应用的喉咙。
降价不是终点，是发令枪。语音能力一旦便宜到可以随便用，竞争就从“谁的模型强”转到“谁把语音用出了新场景”。中小团队最该盯的，是那些过去因为成本不敢碰的语音产品。
你最希望语音模型帮你在哪件事上省时间？