← 返回系列列表
Qwen-Audio-3.1 5 个模型
发布时间线
2026.09.23
Qwen-Audio-3.1-Realtime
采用全双工架构,可同时说和听、支持随时插话打断
从识别文字升级为理解情绪与交流意图,识别到用户语气低 ...
2026.09.23
Qwen-Audio-3.1-TTS-Next
通用音频生成系统,统一生成人声、音效和环境音
支持多人音色复刻与多轮对话,连续内容里各角色音色不变
...
2026.09.23
Qwen-Audio-3.1-TTS
支持多语种与方言合成,同一音色跨语言时能自然迁移
靠指令控制情绪、语速和表达方式
强调真实表达而非只 ...
2026.09.23
Qwen-Audio-3.1-ASR-Next
识别对象从语音文字扩展为完整音频信息,能听懂人物情绪、环境声和机械声
完成声音描述、事件定位和音频问 ...
2026.09.23
Qwen-Audio-3.1-ASR
新增原生转写润色能力,自动去除语气词与重复表达并重组语义
支持分角色转写,呈现“谁在什么时候说了什么 ...
| 发布日期 | 公司 | 模型名称 | 类型 | 特性 |
|---|---|---|---|---|
| 2026-09-23 | 阿里巴巴 | Qwen-Audio-3.1-Realtime | 主流 | 采用全双工架构,可同时说和听、支持随时插话打断 从识别文字升级为理解情绪与交流意图,识别到用户语气低落时会放慢语速、调整措辞 支持多语言实时切换,并在对话中调用 API、知识库与业务系统工具完成任务 基于多教师蒸馏架构,在保持低延迟的同时强化了事实可靠性与安全边界 |
| 2026-09-23 | 阿里巴巴 | Qwen-Audio-3.1-TTS-Next | 主流 | 通用音频生成系统,统一生成人声、音效和环境音 支持多人音色复刻与多轮对话,连续内容里各角色音色不变 支持细粒度时间戳、声音复刻和48kHz输出,能指定语气、语速、音量、音乐风格与配器 |
| 2026-09-23 | 阿里巴巴 | Qwen-Audio-3.1-TTS | 主流 | 支持多语种与方言合成,同一音色跨语言时能自然迁移 靠指令控制情绪、语速和表达方式 强调真实表达而非只求字音正确 |
| 2026-09-23 | 阿里巴巴 | Qwen-Audio-3.1-ASR-Next | 主流 | 识别对象从语音文字扩展为完整音频信息,能听懂人物情绪、环境声和机械声 完成声音描述、事件定位和音频问答推理 能输出字幕并回答关于整段内容的提问 |
| 2026-09-23 | 阿里巴巴 | Qwen-Audio-3.1-ASR | 主流 | 新增原生转写润色能力,自动去除语气词与重复表达并重组语义 支持分角色转写,呈现“谁在什么时候说了什么” 一套支持 30 种语言与 16 种中文方言,支持行业词与分级热词识别 提供低延迟流式识别,首字响应约 160 毫秒 |