新浪科技訊 9月22日上午消息，阿里巴巴在雲棲大會上宣佈語音模型家族Qwen-Audio-3.1全新升級，包含語音轉寫（ASR）、語音合成（TTS）和實時語音交互（Realtime）三大系列。

　　基於下代架構的音頻理解模型Qwen-Audio-3.1-ASR-Next全新發布，它能夠理解人物情緒、音樂、環境聲與機械聲，完成聲音描述、事件定位、音頻問答與推理，讓「這段錄音中人的情緒怎樣」這樣的問題能夠被理解和準確回答。

　　同時，音頻創作模型Qwen-Audio-3.1-TTS-Next全新亮相，它採用全新架構，可根據一段腳本，直接生成融合對白和環境聲的完整音頻，極大提高有聲書、影視劇和播客等專業創作的效率。

　　Qwen-Audio-3.1-Realtime實時交互能力再提升，能夠邊聽、邊想、邊說，並進一步增強多語言交互、角色扮演和共情能力。目前，該系列模型已應用於千問辦公和Qoder，並接入QwenNote A2隨身助理、QwenNote Eva桌面機器人和千問AI眼鏡等硬件產品。

　　此外，同聲傳譯模型Qwen3.8-LiveTranslate首次現身，人類同傳平均時延在4秒以上，但該模型可將時延壓縮至不到2.5秒。據了解，新模型已接入千問AI眼鏡、QwenNote A2、釘釘耳機等AI硬件。

阿里大模型加速走向終端。AI手機全棧解決方案Qwen Intelligence也將於大會期間發布，專為手機場景深度優化，為合作伙伴提供基於千問大模型的 Agent 技術平台，讓手機能夠更可靠地完成跨應用的複雜任務。