阿里发布 Qwen-Audio-3.0-Realtime 语音交互模型，支持动态语气与音色克隆

阿里巴巴今日正式发布实时语音交互对话模型 Qwen-Audio-3.0-Realtime，涵盖推理更强的 Plus 版与速度更快的 Flash 版，适用于智能客服、教育培训及情感陪伴等场景。该模型在智商、Agent 工具调用、共情对话和双工交互流畅度上实现同步升级，并在 S2S 语音指令 Benchmark VStyle 上取得领先效果。

模型亮点包括：能根据语境动态调整语气与情感表达，支持音色克隆，告别机械朗读感；内置多模态双工控制，可在嘈杂环境下精准锁定用户声音，避免被打断。在 Artificial Analysis 子项中综合排名第一，超越 OpenAI GPT-Realtime-2。

此外，模型支持动态工具调用，可完成路线规划、信息查询等任务。在角色扮演场景中，它能根据设定角色调整说话风格与用词习惯；在情感陪伴中，通过语调与节奏表达共情。官方还提供了音色克隆能力，满足自定义需求。