阿里Qwen-Audio-3.1-TTS以1177分登顶全球语音排行榜

9月28日，阿里巴巴的最新语音大模型Qwen-Audio-3.1-TTS在全球权威AI评测平台Artificial Analysis的语音排行榜上，以1177分的Elo评分位居榜首。该模型不仅支持多语种及方言合成，还能在同一音色下自然迁移不同语言。

Qwen-Audio-3.1-TTS是阿里新一代语音合成大模型，能够实现同一音色在不同语言之间的自然迁移，使一种声音可以流畅地讲出多种语言。相比传统语音合成主要关注字音是否正确，Qwen-Audio-3.1-TTS更强调声音是否符合具体内容和使用场景。用户可以通过指令控制情绪、语速和表达方式，使得合成语音不仅“说得对”，也能“说得像”。

此次登顶的是阿里在2026云栖大会上发布的Qwen-Audio-3.1系列中的TTS模型。该系列还包括语音转写（ASR）和实时语音交互（Realtime）两类模型。这三大模型的API服务均已上架千问AI平台，为开发者提供了丰富的语音处理工具。此外，阿里语音团队开源的多款模型如Qwen-Audio-Agent、CosyVoice在GitHub上累计获得了数万星标，受到海内外开发者的广泛关注。

目前，Qwen-Audio全线语音模型的价格均已下调，最高降幅达到95%。这一举措为开发者和企业的广泛语音应用大幅节省了成本。通过降低使用门槛，阿里希望推动更多企业和开发者利用这些先进的语音技术，提升其产品和服务的质量。同时，这也为语音技术在各个领域的普及和应用打下了坚实的基础。