Qwen-Audio-3.0系列语音模型上线阿里千问平台

阿里云日前正式宣布，Qwen-Audio-3.0系列语音模型全面上线千问AI平台和阿里云百炼平台。开发者既可以通过API服务调用模型能力，也可以订阅Token Plan灵活使用，标志着这一自研语音模型家族正式面向公众开放。

该系列共包含三款产品：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。三款模型各司其职：ASR模型负责将语音精准转换为文字，能够应对复杂语境和专业领域识别；TTS模型则实现从文字到自然语音的生成，支持多语种、多方言，并可精细控制情绪、语气与节奏；Realtime模型则提供端到端的语音理解与对话能力，支持边听边说、随时打断追问，甚至能够调用外部工具，为智能助手、客服系统等场景带来更接近人类的交互体验。

值得关注的是，在全球权威AI评测平台Artificial Analysis今年7月发布的语音排行榜上，Qwen-Audio-3.0系列一举拿下语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一，实现“大满贯”式的领先。这一成绩既体现了阿里巴巴在语音技术领域的深厚积累，也从侧面反映出该系列模型在准确性、自然度与响应速度等核心指标上的综合实力。

目前，Qwen-Audio-3.0系列已在千问App、千问办公以及Qoder等实际产品中落地应用，覆盖智能问答、办公辅助、语音交互等多种场景。随着API与平台能力的开放，更多开发者可以快速集成这些全球领先的语音能力，推动语音交互在更多行业实现创新落地。