# Qwen 发了五个音频模型，语音识别、合成和实时对话都更新了，还加了两个创作和理解的新模型

> 原标题：Qwen 发布 Qwen-Audio-3.1 全家桶，ASR、TTS、Realtime 升级并新增 TTS-Next 与 ASR-Next

- 来源：AI HOT 精选
- 发布时间：2026-09-23T09:11:23.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/58374
- 原文：https://x.com/Alibaba_Qwen/status/2102687258990026993

## 摘要

Qwen 发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增音频创作模型 TTS-Next 和音频理解模型 ASR-Next，共五个模型覆盖理解、生成、交互与创作。全线降价，TTS 约 70% off、Realtime 约 85% off、ASR 最高 95% off。Realtime 支持边说边听、随时打断，检测到低落情绪时会放慢语速并共情回应。

## 推荐理由

Qwen 一次发布五个音频模型，覆盖识别、合成、实时对话与创作理解，其中 TTS 降价约七成、Realtime 降价约八成五，并支持随时打断和情绪感知回应。

## 锐评

ASR 最高 95% off 这个数字挺离谱，语音转写基本可以当免费资源用了。做会议记录、字幕、客服质检这类产品的，成本结构直接变样，以前按分钟算钱的功能现在能白送。Realtime 降 85% 也一样，实时对话的 token 账单本来就贵在长连接和来回，这一刀下去，语音 agent 的试错成本低了一个量级。TTS-Next 和 ASR-Next 的能力边界没数据，先不评价。反正阿里这轮是用价格把语音这条线占住，跟不跟是别家的事。
