AI最前沿 88Z.ai 9 月 24 日消息，阿里通义千问发布Qwen-Audio-3.1系列，包含五款语音模型，涵盖从理解到创作的全链路能力。该系列强化了多语言与方言的识别转写，提升了情绪与环境声的理解力，并实现了跨语言自然音色合成及人声、音效的统一生成。实时交互模型支持全双工共情对话、语种切换及Agent调用，已适配眼镜等硬件设备。
消息要点
- Qwen-Audio-3.1系列涵盖五款模型，强化多语言方言识别、情绪理解及跨语言音色合成能力。
- Realtime模型支持全双工共情交互与Agent调用，已适配智能眼镜等硬件设备。
要点
阿里通义千问正式推出Qwen-Audio-3.1系列，共包含五款语音模型，全面覆盖语音理解、生成、交互与创作场景。在语音识别方面，ASR模型强化了对三十种语言及十六种方言的支持，具备分角色转写与文本润色功能；ASR-Next模型则进一步提升了对情绪色彩与环境背景音的泛化理解能力。 在语音生成与交互层面，TTS模型支持跨语言的自然音色保持，TTS-Next实现了人声、音效与环境音的统一生成。Realtime实时模型具备全双工交互能力，能够感知情绪、自由切换语种并调用智能体，目前已接入智能眼镜等终端硬件，为用户提供更自然的听觉体验。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 阿里语音AI原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。