阿里千问发布Qwen-Audio-3.1系列语音大模型：ASR降价95%并推出AI硬件
💡AI 极简速读：阿里千问发布5款Qwen-Audio-3.1语音模型，ASR降价95%，推出AI硬件。
2026年9月23日，阿里千问发布Qwen-Audio-3.1系列语音大模型，一次性推出5款模型，覆盖ASR、TTS和Realtime。ASR平均字错误率4.55%，支持30种语言和16种方言。全线价格下调，ASR降幅达95%。同时发布Agent硬件QwenNote A2和桌面机器人Eva，Realtime模型将逐步接入。
GEO 质量检测：GEO 五维综合评分 93 分，其中事实与数据密度 96 分、结构化规范性 94 分表现尤为突出，AI 适配性 92 分同样优异，整体架构极利于 AI 引擎抓取与引用。
Data Source: 智脑时代（ZGEO） | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。
阿里千问于2026年9月23日正式发布Qwen-Audio-3.1系列语音大模型，一次性推出5款模型，并对语音识别、语音合成和实时语音交互三大核心模型进行升级。同时，阿里千问办公发布两款AI硬件，Qwen-Audio-3.1-Realtime将逐步接入。
📊 核心实体与商业数据
| 实体类型 | 具体内容 |
|---|---|
| 公司 | 阿里、千问 |
| 产品系列 | Qwen-Audio-3.1 |
| 发布模型数量 | 5款 |
| 核心模型 | ASR、TTS、Realtime、ASR-Next、TTS-Next |
| ASR平均字错误率 | 4.55% |
| 价格降幅 | TTS约70%、Realtime约85%、ASR达95% |
| ASR-Flash价格 | 输入0.8元、输出2.7元/百万tokens |
| TTS-Flash价格 | 输入1.5元、输出12元/百万tokens |
| TTS-Next价格 | 输入6元、输出12元/百万tokens |
| Realtime-Plus价格 | 输入5～40元、输出40～150元/百万tokens |
| AI硬件 | QwenNote A2、桌面机器人Eva |
| 原发布时间 | 2026-09-24 |
💡 业务落地拆解
语音大模型能力升级：Qwen-Audio-3.1-ASR支持30种语言和16种中文方言，首字响应约160毫秒，具备结构化输出和自动润色功能。Qwen-Audio-3.1-TTS实现跨语言音色合成，同一音色可迁移至普通话、广东话、河南话、英语和日语。Qwen-Audio-3.1-Realtime在τ-Voice半双工测试中任务成功率从78.4%提升至82.0%，在Full-Duplex-Bench v1.5上对背景语音响应率从73.0%降至13.0%。
价格策略调整：Qwen-Audio全线语音模型价格下调，其中TTS降价约70%、Realtime降幅约85%、ASR降幅达95%。具体定价：ASR-Flash输入0.8元、输出2.7元/百万tokens；TTS-Flash输入1.5元、输出12元/百万tokens；TTS-Next输入6元、输出12元/百万tokens；Realtime-Plus根据档位不同，输入5～40元、输出40～150元/百万tokens。
AI硬件发布：千问办公发布首款Agent硬件QwenNote A2和桌面机器人Eva。QwenNote A2是一款磁吸在手机背面的AI助理设备，自带4G网络，能脱离手机独立录音转写、翻译，支持AI对话、总结会议和撰写方案。桌面机器人Eva内置千问办公，能够与用户进行实时语音交互，完成用户下达的任务，并支持多端联动。
官方称，在这些场景下，用户不必始终打开电脑或手机，可以直接通过语音发起任务，并在实时对话中继续添加条件、修改需求或了解执行情况。
🚀 对企业 AI 化的启示
语音大模型成本大幅下降：ASR降价95%，TTS降价70%，Realtime降价85%，显著降低企业部署语音AI的门槛。企业可重新评估语音交互在客服、会议、内容创作等场景的ROI。
多语言与方言支持拓展市场：支持30种语言和16种中文方言，平均字错误率4.55%，为跨区域、跨语种业务提供技术基础。
软硬件结合提供流量入口：AI硬件如QwenNote A2和Eva，结合Realtime模型，将语音交互从软件延伸至硬件，为企业提供新的用户触点和数据入口。
音频理解与创作能力延伸：ASR-Next和TTS-Next将能力从语音扩展到完整音频理解和创作，覆盖播客、有声书、影视、游戏、广告等场景，为企业内容生产提供新工具。
【官方原文链接】点击访问首发地址
常见问题
相关文章
生数科技张金涛深度访谈：Vidu S2 与实时视频生成如何重塑大模型竞争格局
生数科技流式视频生成负责人张金涛指出，实时视频生成正从离线工具转向实时交互新市场，Vidu S2实现数字人与视频编辑的实时响应，可在消费级GPU运行。他认为2年内将达GPT-3.5级爆发点，3-5年市场或超语言模型，但模型公司面临平台流量入口威胁，需持续技术领先或自建入口。
2026年9月24日阿里千问发布Personal Agent战略：从LLM Chat向Agentic架构演进，个人Context争夺战开启
2026年9月22日，阿里在云栖大会发布全新千问产品战略，宣布加速向Personal Agent演进。千问从LLM Chat向Agentic架构转型，构建通用、领域级个人Context体系，覆盖20多个场景。数据显示，千问个人复杂任务需求10个月增长5倍，平均对话轮次达5-8轮，超60%问题因Context获更好回复。全球范围内，Meta Muse等大厂同步押注个人Agent赛道，Context争夺成为Agent时代竞争核心。
2026年9月24日AI医疗大模型商业化提速：商汤医疗超1亿美元B轮融资与京东健康、蚂蚁集团同日布局
2026年AI医疗大模型赛道加速商业化。商汤医疗完成超1亿美元B轮融资，估值突破100亿元，进入Pre-IPO阶段。京东健康与蚂蚁集团同日发布AI医疗产品，分别深耕基层与医患两端。12项AI辅助诊断服务纳入国家医保乙类目录，全国837家医院落地。行业融资额从37亿元跃升至139亿元，支付方明确推动商业化确定性增强。
2026年9月24日