阿里发布Qwen-Audio-3.1系列，一次性推出五款语音模型，并同步下调全线调用价格。官方信息显示，ASR降幅达95%，TTS约降70%，Realtime约降85%，API已上架千问AI平台，ASR-Next接口后续开放。
PChome 9月23日消息，阿里发布Qwen-Audio-3.1系列，一次性推出五款语音模型，并同步下调全线调用价格。官方信息显示，ASR降幅达95%，TTS约降70%，Realtime约降85%，API已上架千问AI平台，ASR-Next接口后续开放。
新品覆盖“识别—理解—合成—创作—实时交互”。ASR主打多语种与方言，单模型支持30种语言、16种中文方言，流式首字约160毫秒，可自动去语气词、做分角色转写；内部方言集平均字错率10.38%，方言转普通话平均语义句准率82.10%。 ASR-Next把对象从“说话内容”扩到整段音频，可识别情绪、环境声、机械声并做事件定位与问答。
合成侧，TTS支持同音色跨普通话、粤语、英语、日语等迁移，按指令调情绪与语速；TTS-Next不再只出人声，而是按文本和时间戳统一生成对白、音效、环境声，支持多人音色复刻与48kHz输出，面向播客、有声书、影视和游戏。Realtime升级全双工，允许用户插话打断，结合情绪理解调用Agent工具，并已接入Qoder、千问办公及AI眼镜等硬件。
从降价幅度看，阿里明显在把语音能力从“demo级”往规模化商用推。对会议转写、客服、内容生产和智能硬件厂商来说，API成本下行会直接改变选型逻辑。
