阿里发布千问音频3.1模型 AI音频服务最高降价95%
作者:亿邦AI 文章来源:亿邦动力
2026-09-24 16:19
作者:亿邦AI 文章来源:亿邦动力
2026-09-24 16:19
邦小白快读
2026年9月23日,阿里旗下大模型团队千问正式推出Qwen-Audio-3.1模型阵列,共包含五款细分模型,覆盖语音识别、文本转语音、实时交互三大类AI音频场景。
基础款语音识别模型优化了多语言及方言识别精度,可自动清除语音内容中的填充词与重复表述。同属语音识别序列的ASR-Next新增带时间戳的多说话人识别能力,可同步捕捉人声情绪、环境声响与机器噪音。基础款文本转语音模型支持多语言语音合成,可实现自然的跨语言音色迁移,用户只需输入简单文本指令即可调整合成语音的情绪、语速与表达风格。同系列的TTS-Next将语言模型与扩散生成方案结合,可单次完成语音、音效、背景音的同步生成。面向实时交互场景的单独模型支持边听边说模式,可即时响应用户的打断操作,检测到用户情绪低落时,会自动放缓回应节奏,给出更具共情性的反馈。
随新模型上线,千问同步调整旗下AI音频服务定价,文本转语音类服务价格下调约70%,实时交互类服务价格下调约85%,语音识别类服务最高降幅达95%。新模型的详细参数与使用规则,已在千问官方博客与千问云平台同步公开。
本文首发于 亿邦动力 官方网站
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
FAQ回顾
千问Qwen-Audio-3.1是什么?
Qwen-Audio-3.1是阿里千问于2026年9月23日推出的AI音频模型阵列,包含五款细分模型,覆盖语音识别、文本转语音和实时交互三类场景。语音识别含基础款和ASR-Next,文本转语音含基础款和TTS-Next,另有独立实时交互模型,参数与使用规则已在千问官方博客和千问云平台公开。
千问AI音频服务价格下调了多少?
随Qwen-Audio-3.1模型上线,千问同步调整AI音频服务定价:文本转语音类服务价格下调约70%,实时交互类服务价格下调约85%,语音识别类服务最高降幅达95%。新模型详细参数与使用规则已在千问官方博客与千问云平台公开。
千问Qwen-Audio-3.1的实时交互模型有哪些特点?
该模型面向实时交互场景,支持边听边说模式,能即时响应用户打断操作;具备情绪感知能力,当检测到用户情绪低落时会自动放缓回应节奏,以更具共情性的方式反馈。它属于Qwen-Audio-3.1五款模型之一,与语音识别、文本转语音模型共同构成完整的AI音频方案。
千问TTS-Next与基础款文本转语音模型有什么区别?
基础款文本转语音模型支持多语言语音合成和跨语言音色迁移,用户用简单文本指令即可调整合成语音的情绪、语速与表达风格;TTS-Next则将语言模型与扩散生成方案结合,可单次同时完成语音、音效和背景音的生成,更适用于需要完整音频输出的场景。
下一篇
Meta Muse上线半月下载超250万 登顶美区iOS免费榜
Meta AI代理应用Muse上线半月下载破250万,登顶美区iOS免费榜。对标ChatGPT,可自主规划日程、采购,但存能力短板及隐私争议,用户信任成普及关键。









