通义千问发布Qwen-Audio-3.1 全线大降价

⚡ 认识 Qwen-Audio-3.1！

自动语音识别（ASR）、文本转语音（TTS）和实时语音能力已全面升级，新增两个模型：用于音频生成的 TTS-Next 和用于音频理解的 ASR-Next。

五款模型，一套完整的音频栈：覆盖理解、生成、交互与创作。

此外全系列大幅降价：TTS 约 7 折，实时语音约 1.5 折，ASR 最低至 0.5 折。

亮点：🥳
- ASR：更强的多语言与方言识别能力，新增原生润色功能，可以自动去除语气词和重复内容，获得更整洁、更符合逻辑的转写文本。
- ASR-Next：支持带说话人标签、时间戳和对齐转写的多说话人 ASR，还能识别情感、环境音和机器声，可用于声音字幕、事件定位、音频问答与推理。
- TTS：支持多语言与方言合成，具备自然的跨语言音色转换；可通过简单指令控制情感、语速和风格。
- TTS-Next：统一大语言模型+扩散框架，可一次生成人声、音效和背景音频，适用于有声书、播客、游戏和广告。
- 实时语音：支持同时发言和聆听，可随时打断，就像真实通话一样；当检测到低落情绪时，它甚至会放慢语速，给出共情回应。

现在就来解锁 Qwen-Audio-3.1 的全部潜力吧！👇

博客：
Qwen-Audio-3.1-ASR：
Qwen-Audio-3.1-Realtime：
更多 API：即将推出
@qwen_cloud