阿里Qwen-Audio-3.0语音模型上线：ASR、TTS、实时交互全球评测“大满贯”

8月18日，据报道，阿里云宣布，自研Qwen-Audio-3.0系列语音模型已正式上线千问AI平台和阿里云百炼平台，开发者可通过API调用或订阅Token Plan使用。

该系列包含三款产品：语音识别模型Qwen-Audio-3.0-ASR、语音合成模型Qwen-Audio-3.0-TTS，以及实时语音交互对话模型Qwen-Audio-3.0-Realtime。根据全球权威AI评测平台Artificial Analysis今年7月的语音排行榜，该系列一举斩获ASR、RealTime和TTS三大赛道全球第一，实现“大满贯”。

在技术表现上：

- ASR模型在包含中文方言、多语言混合及专业领域术语的测试集上均保持高准确率

- TTS模型支持多语种、多方言，并支持控制情绪、语气与节奏

- Realtime模型支持端到端语音理解与对话，可边听边说、随时打断追问，并支持工具调用

目前，该系列模型已在千问App、千问办公、Qoder等产品中落地应用。分析人士认为，Qwen-Audio-3.0在ASR、TTS与实时交互三大赛道同时登顶，有望推动语音交互从“能听会说”向“实时深度理解”演进，进一步提升AI应用的听觉智能水平。