阿里发布Qwen Audio 3.1，语音模型上新并降价最高95%

全新语音模型矩阵上线

通义实验室推出Qwen Audio 3.1，涵盖5款专用模型，分别服务于自动语音识别（ASR）、文本转语音（TTS）和实时语音交互三大方向。其中ASR模型强化了对多语言及中国方言的识别准确率，并支持自动过滤填充词与重复语句。

增强型ASR-Next模型亮相

ASR-Next作为进阶版本，新增多说话人身份识别功能，并为每位说话人标注时间戳；同时可识别语音中的情绪倾向、背景环境音（如键盘声、交通噪音）以及机器设备噪声。

TTS与商业化同步推进

TTS模型支持高质量多语种语音合成，具体语种未在原文中列明。伴随模型发布，阿里云同步大幅下调Qwen Audio系列API调用价格，降幅最高达95%，旨在加速语音技术在企业场景的规模化落地。

编者观点：国内大厂正从‘堆参数’转向‘重场景’，通过垂直模型+激进定价双轮驱动，加速AI语音在客服、会议、教育等长尾场景渗透。