阿里自家的新语音模型，ASR、TTS、实时对话都拿了全球第一，现在API直接能用。做语音应用的话值得试试。
阿里云推出Qwen-Audio-3.0系列语音模型，包含ASR、TTS、Realtime三款，已上线千问AI平台和阿里云百炼平台。该系列在Artificial Analysis今年7月的语音排行榜中，拿下语音识别、实时交互、语音合成三个赛道全球第一。Qwen-Audio-3.0-ASR支持复杂语境和专业领域识别，Qwen-Audio-3.0-TTS支持多语种多方言并可控制情绪语气节奏。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。
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。