阿里巴巴云栖大会升级Qwen-Audio-3.1语音模型家族
9月22日，阿里巴巴在云栖大会上宣布语音模型家族Qwen-Audio-3.1全新升级，覆盖语音转写（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大系列。
基于下一代架构的音频理解模型Qwen-Audio-3.1-ASR-Next全新发布，可理解人物情绪、音乐、环境声与机械声，支持声音描述、事件定位、音频问答与推理，能够理解和回答“这段录音中人的情绪怎样”这类问题。音频创作模型Qwen-Audio-3.1-TTS-Next同步亮相，采用全新架构，可根据一段脚本直接生成融合对白和环境声的完整音频，提升有声书、影视剧和播客等专业内容的制作效率。
Qwen-Audio-3.1-Realtime实时交互能力进一步升级，可实现边听、边想、边说，并增强多语言交互、角色扮演和共情能力。目前，该系列模型已应用于千问办公和Qoder，并接入QwenNote A2随身助理、QwenNote Eva桌面机器人和千问AI眼镜等硬件产品。
此外，同声传译模型Qwen3.8-LiveTranslate首次亮相。人类同传平均时延在4秒以上，该模型可将时延压缩至不到2.5秒，目前已接入千问AI眼镜、QwenNote A2、钉钉耳机等AI硬件。面向手机的AI全栈解决方案Qwen Intelligence也将在大会期间发布，为合作伙伴提供基于千问大模型的Agent技术平台。
- 2026-09-24 09:33 | 界面新闻：传媒ETF鹏华(159805)标的指数红盘向上，千问发布Qwen-Audio-3.1系列语音大模型阅读原文
消息面上，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。中金公司指出，生产力Agent正成为AI发展的重要方向，标志着从早期使用者向早期大众的关键跨越。腾讯凭借产品节奏快、模型接入开放度高及生态互通优势，在B端市场占据先发地位；阿里与字节亦加速整合追赶，竞争格局逐步清晰。长期来看，此类Agent有望横向打通消费级生态、纵向深化...
- 2026-09-23 22:40 | 新浪财经：阿里一口气上新5款千问模型！价格最高降95%阅读原文
千问发布全新语音大模型。作者 | 毕伟豪编辑 | 李水青智东西9月23日报道，千问今日正式发布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）三大核心模型进行了升级，还发布了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。其中，新一代语音识别大模型Qwen-Audio-3.1-ASR 通过公开方言测试集KeSpeech和WSYue进行了测试，在11个子集其中的6个里，相比Doubao-ASR和Tencent Hy-ASR-3.0-preview两款开源模型成绩更好，平均字错...
- 2026-09-23 15:15 | IT之家：阿里千问发布 Qwen-Audio-3.1 系列语音大模型，并下调全线产品价格阅读原文
IT之家 9 月 23 日消息，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、语音合成和实时语音交互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。官方称，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%。IT之家附官方详细介绍如下：Q...
- 2026-09-23 15:03 | mp.weixin.qq.com：Qwen-Audio-3.1：能听懂、能创作、能聊天阅读原文
今天，我们正式发布 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
- 2026-09-22 11:59 | 新浪财经：阿里云下代语音模型发布，Qwen落地多款智能终端阅读原文
专题：2026云栖大会 新浪科技讯 9月22日上午消息，阿里巴巴在云栖大会上宣布语音模型家族Qwen-Audio-3.1全新升级，包含语音转写（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大系列。 基于下代架构的音频理解模型Qwen-Audio-3.1-ASR-Next全新发布，它能够理解人物情绪、音乐、环境声与机械声，完成声音描述、事件定位、音频问答与推理，让“这段录音中人的情绪怎样”这样的问题能够被...