来源：新浪科技

新浪科技讯 9 月 22 日上午消息，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，包含语音转写（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大系列。

基于下代架构的音频理解模型 Qwen-Audio-3.1-ASR-Next 全新发布，它能够理解人物情绪、音乐、环境声与机械声，完成声音描述、事件定位、音频问答与推理，让 " 这段录音中人的情绪怎样 " 这样的问题能够被理解和准确回答。

同时，音频创作模型 Qwen-Audio-3.1-TTS-Next 全新亮相，它采用全新架构，可根据一段脚本，直接生成融合对白和环境声的完整音频，极大提高有声书、影视剧和播客等专业创作的效率。

Qwen-Audio-3.1-Realtime 实时交互能力再提升，能够边听、边想、边说，并进一步增强多语言交互、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 首次现身，人类同传平均时延在 4 秒以上，但该模型可将时延压缩至不到 2.5 秒。据了解，新模型已接入千问 AI 眼镜、QwenNote A2、钉钉耳机等 AI 硬件。

阿里大模型加速走向终端。AI 手机全栈解决方案 Qwen Intelligence 也将于大会期间发布，专为手机场景深度优化，为合作伙伴提供基于千问大模型的 Agent 技术平台，让手机能够更可靠地完成跨应用的复杂任务。（文猛）