识别、合成、实时交互全球第一，Qwen-Audio-3.0 系列语音模型上线阿里千问 AI 平台

IT之家 8 月 17 日消息，今天（17 日）下午，阿里云通过公众号宣布，Qwen-Audio-3.0 系列语音模型正式上线千问 AI 平台和阿里云百炼平台。开发者可以通过 API 服务调用模型能力，也可以订阅 Token Plan 使用。

Qwen-Audio-3.0 系列模型是阿里巴巴推出的自研语音模型。IT之家附具体的产品阵容如下：

• 语音识别大模型 Qwen-Audio-3.0-ASR

• 语音合成大模型 Qwen-Audio-3.0-TTS

• 实时语音交互对话模型 Qwen-Audio-3.0-Realtime

根据介绍，在全球权威 AI 评测平台 Artificial Analysis 今年 7 月的语音排行榜上，该模型斩获语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一，拿下“大满贯”。

其中，Qwen-Audio-3.0-ASR 将语音转为文字，支持复杂语境和专业领域识别；Qwen-Audio-3.0-TTS 将文字转为语音，支持多语种、多方言，可控制情绪、语气与节奏；Qwen-Audio-3.0-Realtime 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 等产品中应用。