新浪科技讯 9月22日上午消息，阿里巴巴在云栖大会上宣布语音模型家族Qwen-Audio-3.1全新升级，包含语音转写（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大系列。

　　基于下代架构的音频理解模型Qwen-Audio-3.1-ASR-Next全新发布，它能够理解人物情绪、音乐、环境声与机械声，完成声音描述、事件定位、音频问答与推理，让“这段录音中人的情绪怎样”这样的问题能够被理解和准确回答。

　　同时，音频创作模型Qwen-Audio-3.1-TTS-Next全新亮相，它采用全新架构，可根据一段脚本，直接生成融合对白和环境声的完整音频，极大提高有声书、影视剧和播客等专业创作的效率。

　　Qwen-Audio-3.1-Realtime实时交互能力再提升，能够边听、边想、边说，并进一步增强多语言交互、角色扮演和共情能力。目前，该系列模型已应用于千问办公和Qoder，并接入QwenNote A2随身助理、QwenNote Eva桌面机器人和千问AI眼镜等硬件产品。

　　此外，同声传译模型Qwen3.8-LiveTranslate首次现身，人类同传平均时延在4秒以上，但该模型可将时延压缩至不到2.5秒。据了解，新模型已接入千问AI眼镜、QwenNote A2、钉钉耳机等AI硬件。

阿里大模型加速走向终端。AI手机全栈解决方案Qwen Intelligence也将于大会期间发布，专为手机场景深度优化，为合作伙伴提供基于千问大模型的 Agent 技术平台，让手机能够更可靠地完成跨应用的复杂任务。