阿里云发布Qwen-Audio-3.0系列语音模型，斩获全球三项第一

8月17日，阿里云宣布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。该系列模型在全球权威AI评测平台Artificial Analysis的语音排行榜上，获得语音识别、实时交互和语音合成三个赛道的全球第一。

Qwen-Audio-3.0系列模型包括语音识别大模型Qwen-Audio-3.0-ASR、语音合成大模型Qwen-Audio-3.0-TTS和实时语音交互对话模型Qwen-Audio-3.0-Realtime。这些模型通过API服务调用或订阅Token Plan的方式提供给开发者使用。Qwen-Audio-3.0-ASR支持复杂语境和专业领域的语音转文字功能；Qwen-Audio-3.0-TTS则将文字转为语音，支持多语种、多方言，并可控制情绪、语气与节奏。

在今年7月的全球权威AI评测平台Artificial Analysis的语音排行榜上，Qwen-Audio-3.0系列模型在语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道上均获得全球第一。Qwen-Audio-3.0-ASR在复杂语境和专业领域表现出色，而Qwen-Audio-3.0-TTS则在多语种、多方言的支持及情感控制方面表现出色。此外，Qwen-Audio-3.0-Realtime支持端到端的语音理解和对话，具备边听边说、随时打断追问的能力，并支持工具调用。

目前，Qwen-Audio-3.0系列模型已在多个产品中得到应用，包括千问App、千问办公和Qoder等。这些模型的应用使得用户能够在各种场景下享受到高质量的语音识别、合成和实时交互体验。例如，在办公场景中，Qwen-Audio-3.0-ASR可以高效地将会议录音转化为文字记录，而Qwen-Audio-3.0-TTS则可以将文档内容转化为自然流畅的语音，方便用户听取。同时，Qwen-Audio-3.0-Realtime的实时交互能力使得用户能够进行更加自然和高效的语音对话。