阿里千问发布 Qwen-Audio 3.1 系列语音大模型，全线降价最高达 95%

中国科技公司阿里巴巴旗下千问正式发布 Qwen-Audio 3.1 系列语音大模型，一次性推出五款新模型，覆盖语音识别、合成、实时交互与音频创作。其中 ASR 模型支持 30 种语言和 16 种中文方言，首字响应约 160 毫秒；TTS 模型实现同音色跨语言合成；Realtime 模型支持全双工交互，可随时插话打断并调用 Agent 工具。

全新发布的 TTS-Next 模型可统一生成人声、音效与环境音，ASR-Next 则能理解人物情绪、环境声与机械声，完成声音描述与事件定位。

价格方面，全线语音模型大幅下调，TTS 降价约 70%，Realtime 降幅约 85%，ASR 降幅达 95%。目前该系列模型正与千问办公等 Agent 及千问 AI 眼镜等智能硬件结合。