阿里千问Qwen-Audio-3.1 ASR降价95%

时间：2026年9月23日 地点：杭州/中国 人物：阿里千问团队 事件详情：阿里千问今天推出Qwen-Audio-3.1系列语音大模型，五款新模型同步亮相，覆盖语音识别（ASR）、语音合成（TTS）、实时语音交互（Realtime）、音频理解（ASR-Next）和音频创作（TTS-Next）全链路。Qwen-Audio-3.1-ASR支持30种语言和16种中文方言识别，新增分角色转写和原生转写润色，首字响应延迟约160毫秒，在KeSpeech与WSYue的11个公开子集上平均字错误率4.55%，在温州话等11个中文方言子集上同样取得最优结果。基于下代架构的Qwen-Audio-3.1-ASR-Next把识别对象从"语音中的文字"扩展到"完整音频信息"，可理解情绪、环境声与机械声，完成声音描述、事件定位与音频问答推理。Qwen-Audio-3.1-TTS-Next支持统一生成人声、音效和环境声，最高48kHz输出；Qwen-Audio-3.1-Realtime升级全双工实时交互，可在对话中切换语言并主动调用Agent工具。 背景：在Qwen-Audio-3.0拿下多项语音任务全球第一后，国产大模型厂商持续在语音链路掀起"高质低价"的攻势。就在两天前的骁龙峰会上，阿里千问刚把Qwen Book定位为原生智能体电脑搭档，与高通、阶跃等厂商联合推动端侧大模型落地。本次五款模型齐发，意味着千问把语音栈从单点能力升级为"理解—生成—交互—创作"的全栈矩阵，瞄准的是智能客服、播客、有声书、车载、IoT眼镜等需要多模态语音交互的赛道。 影响：千问同步把Qwen-Audio全线价格下调，其中TTS降价约70%，Realtime降幅约85%，ASR降幅高达95%。官方已确认Qwen-Audio-3.1-Realtime正与Qoder、千问办公等Agent以及QwenNote、A2、Eva、千问AI眼镜、乐奇AI眼镜等智能硬件对接。叠加降价与硬件预集成，语音Agent开发的单位成本将进入历史新低，迫使依赖高价闭源语音API的厂商重新评估技术栈与定价策略。 总结：千问一次性把语音栈翻修成"五件套+全线降价"，标志着国产大模型已把语音赛道拉进"价格碾压+端云协同"的新一轮军备竞赛。 参考来源： 1. https://www.ithome.com/1/006/280.htm 2. https://www.chinaz.com/ainews/31305.shtml 3. https://www.yicai.com/news/103375714.html 4. https://news.qq.com/rain/a/20260923A08NP100 5. https://news.qq.com/rain/a/20260923A08O2J00 6. https://www.163.com/dy/article/L7H671O70550B1DU.html 7. https://finance.sina.com.cn/jjxw/2026-09-23/doc-inisuxhc8601721.shtml 8. https://www.toutiao.com/article/7688627955311919657