时间:2026年7月15日
地点:中国杭州
人物:阿里巴巴通义实验室
事件详情:阿里巴巴通义实验室于7月15日正式发布实时语音交互对话模型Qwen-Audio-3.0-Realtime。该模型在智商、Agent工具调用、共情对话和双工交互流畅度四条主线上同步升级,力求又快又聪明的语音交互体验。模型分为推理更强的Plus版本和速度更快的Flash版本,覆盖智能客服、教育培训、娱乐互动与情感陪伴等场景,并支持音色克隆和Function Call标准协议调用外部工具。
背景:在第三方权威评测平台Artificial Analysis的Speech Reasoning(语音推理)子项中,Qwen-Audio-3.0-Realtime综合排名全球第一,超越了OpenAI的GPT-Realtime-2,在打断检测准确率和响应时延等指标上处于领先地位,支持毫秒级响应与深度推理。
影响:
– 中国AI语音能力首次在国际权威榜单登顶,实现从追赶到领跑的历史性跨越
– Plus版本在VoiceBench语音问答基准中获得92.5分,达到商用级水准
– 双版本覆盖从低延迟到高推理的全场景需求,可直接接入现有智能客服和语音助手系统
– 标志着中国在实时语音交互大模型领域已具备全球竞争力
总结:阿里Qwen-Audio-3.0-Realtime的发布是中国AI语音技术的重要里程碑。该模型不仅在权威评测中超越OpenAI旗舰产品登顶全球,更通过Plus和Flash双版本策略覆盖了从企业级高推理需求到消费级低延迟场景的完整应用矩阵。支持Function Call标准协议意味着开发者可直接将其接入现有工具链,为智能客服、在线教育和情感陪伴等场景提供原生语音能力。这预示着语音AI正从简单的语音识别走向真正的实时智能对话,人机交互方式迎来新一轮范式转换。
参考来源:
– https://so.html5.qq.com/page/real/search_news?docid=70000021_8966a56f77440952
– https://so.html5.qq.com/page/real/search_news?docid=70000021_8526a57924458452









