9月23日，千问发布Qwen-Audio-3.1系列语音大模型，共5款，升级语音识别（ASR）、语音合成（TTS）、实时语音交互（Realtime）三类模型，并推出ASR-Next与TTS-Next。

Qwen-Audio全线语音模型价格同步下调，其中语音合成（TTS）降价约70%，实时语音交互（Realtime）降幅约85%，语音识别（ASR）降幅达95%。

在2026云栖大会上，上述模型的API服务已上架千问AI平台，并共同构成覆盖“理解—生成—交互—创作”的完整音频能力栈。

Qwen-Audio-3.1-ASR增强了多语种、方言识别和上下文理解，新增原生转写润色，可自动去除语气词与重复表达并重组语义；Qwen-Audio-3.1-Realtime可主动调用Agent工具完成任务。

在公开方言测试集KeSpeech和WSYue上，Qwen-Audio-3.1-ASR的11个子集中有6个优于Doubao-ASR和Tencent Hy-ASR-3.0-preview两款开源模型，平均字错误率（CER）仅为4.55%。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。

本文源自：市场资讯

作者：行舟