阿里 Qwen 发布 Qwen-Audio-3.1 五款语音模型，语音价格最高下调 95%

阿里 Qwen 团队发布 Qwen-Audio-3.1，包含五款覆盖语音识别（ASR）、语音合成（TTS）和实时交互的模型。ASR 改进多语言和方言识别并自动清理填充词，ASR-Next 支持多说话人识别、时间戳及情绪和环境声检测；TTS-Next 将语言模型与扩散方法结合，可一次性生成语音、音效和背景音频。同步降价：TTS 约 70%，Realtime 约 85%，ASR 最高 95%。