QwenはQwen-Audio-3.1を発表し、ASR、TTS、Realtimeを全面的に刷新したうえで、音声制作向けのTTS-Nextと音声理解向けのASR-Nextを加えた。5モデルで理解、生成、対話、制作を一通りカバーする。あわせて価格を引き下げ、TTSは約70%、Realtimeは約85%、ASRは最大95%の値下げとなる。
Qwen-Audio-3.1は、ASR、TTS、Realtimeの3モデルをアップグレードし、TTS-NextとASR-Nextの2モデルを新たに加えた5モデル構成である。Qwenはこれを理解、生成、対話、制作を備えた一つの音声スタックと位置づけている。
ASRは多言語と方言の認識が強化され、フィラーや繰り返しを自動で除去するポリッシュ機能により、整理された文字起こしを出力する。ASR-Nextは話者ラベル、タイムスタンプ、整列済みの書き起こしを備えたマルチスピーカーASRに対応する。感情、環境音、機械音も理解し、サウンドキャプション、イベントの位置特定、音声QA、推論に使える。
⚡ Meet Qwen-Audio-3.1! ASR, TTS & Realtime are fully upgraded, joined by two new models: TTS-Next for audio creation and ASR-Next for audio understanding.
Five models, one complete audio stack: understanding, generation, interaction & creation.
Plus big price cuts across the lineup: TTS ~70% off, Realtime ~85% off, and ASR up to 95% off.
Highlights: 🥳
- ASR: stronger multilingual & dialect recognition, plus native polishing that auto-removes fillers & repetitions for cleaner, more logical transcripts.
- ASR-Next: supports multi-speaker ASR with speaker labels, timestamps & aligned transcripts, and understands emotions, ambient & machine sounds for sound captioning, event localization, audio QA & reasoning.
- TTS: multilingual & dialect synthesis with natural cross-lingual voice transfer; control emotion, speed & style via simple instructions.
- TTS-Next: unified LM + diffusion framework generating voice, sound effects & background audio in one pass for audiobooks, podcasts, games & ads.
- Realtime: speak & listen at once with anytime interruption, just like a real call; it even slows down and responds empathetically when it senses a low mood.
Unlock the full potential of Qwen-Audio-3.1! 👇
- Blog: https://fun-resource-shanghai.oss-cn-shanghai.aliyuncs.com/cuijiayan.cjy/tmp/exp/qwen_audio_3_tts_blog_review_260918/index.shtml?Expires=2105366399&OSSAccessKeyId=LTAI5tQrCBwj82sVMCWoSmzE&Signature=9ZaZIEahoN41Zb9MFJjf34G%2BSCM%3D
- Qwen-Audio-3.1-ASR:
https://www.qwencloud.com/models/qwen-audio-3.1-asr-flash-filetrans
- Qwen-Audio-3.1-Realtime:
https://www.qwencloud.com/models/qwen-audio-3.1-realtime-plus
- More APIs: coming soon @qwen_cloud
出典: Qwen · x.com