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。