阿里千问今日发布Qwen-Audio-3.1系列语音大模型，对语音识别（ASR）、语音合成（TTS）与实时语音交互三大核心模型全面升级，并新增音频创作模型Qwen-Audio-3.1-TTS-Next与音频理解模型Qwen-Audio-3.1-ASR-Next，同时下调全线产品价格。

语音大模型降价意味着实时语音交互、语音客服、音频内容生成等场景的调用成本大幅下降，中小团队也具备了把“语音入口”做成产品的能力。

对开发者而言，值得关注的是模型在嘈杂环境识别、多说话人分离与情感合成上的表现差异——这往往比参数大小更影响实际体验。

来源：IT之家