阿里Qwen-Audio-3.0语音模型上线：识别、合成、实时交互全球第一

刘绪刚

凤凰网科技讯 8月17日，阿里云今日宣布，Qwen-Audio-3.0系列语音模型正式上线千问AI平台和阿里云百炼平台。开发者可通过API服务调用模型能力，也可订阅Token Plan使用。

该系列包含三款自研语音模型：语音识别大模型Qwen-Audio-3.0-ASR、语音合成大模型Qwen-Audio-3.0-TTS，以及实时语音交互对话模型Qwen-Audio-3.0-Realtime。在全球权威AI评测平台Artificial Analysis今年7月的语音排行榜上，该系列在语音识别、实时交互和语音合成三个赛道均拿下全球第一。

其中，ASR模型支持复杂语境和专业领域识别；TTS模型支持多语种、多方言，可控制情绪、语气与节奏；Realtime模型支持端到端语音理解与对话，可边听边说、随时打断追问。目前该系列模型已在千问App、千问办公、Qoder等产品中应用。