阿里巴巴发布Qwen Audio 3.1及新模型，AI音频价格最高降低95%
decoder ·
阿里巴巴通义团队发布了Qwen-Audio-3.1，这是一套专为语音识别、文本转语音合成及实时交互设计的五款新AI模型。更新后的自动语音识别（ASR）功能增强了多语言支持、方言处理能力，并具备过滤填充词以及识别多位说话人和情绪的能力。在文本转语音方面，新的TTS-Next模型采用扩散方法，能够一次性生成语音、音效和背景音频，用户可通过简单的文本提示控制语气和风格。此外，实时交互模型支持边说边听，并能根据检测到的用户情绪调整响应速度和共情程度。与此同时，阿里巴巴大幅降低了开发者的成本，ASR服务价格最高下调95%，文本转语音价格下降约70%，实时交互成本降低约85%。这些更新已通过通义云平台上线，为音频AI应用提供了更强大的功能和更高的性价比。
decoder