【千问发布 Qwen-Audio 3.1，新增音频创作与场景理解模型】 #千问发布QwenAudio3点1#
千问这次把语音模型拆成了五条能力线：转写、语音合成、实时对话，以及两款新模型负责声音场景理解和完整音频创作。Qwen-Audio 3.1 系列已发布，相关 API 陆续上架千问 AI 平台。
识别模型 ASR 支持 30 种语言和 16 种中文方言，能给多人谈话标出说话人、时间戳，并润色转写中的口头重复。新的 ASR-Next 不只处理话语，还能描述情绪、环境声和机械声；它的 API 目前尚待上线。
另一款新模型 TTS-Next 能按脚本把对白、音效、环境声一起生成，支持多角色音色和时间戳控制。Realtime 则支持在模型说话时插话、修改要求，还能调用工具完成查询。
千问称，实时语音能力正接入 Qoder、千问办公和 AI 眼镜等产品，同时下调系列模型价格。发布稿中的方言识别等效果来自千问自测。
#语音大模型# #音频创作#
国元配资提示：文章来自网络，不代表本站观点。
