← AI 動態
The Decoder
阿里發布Qwen Audio 3.1，語音升級且降價95%
阿里推出 Qwen-Audio-3.1 語音模型，提升多語言及方言辨識力並支援情緒捕捉。同時宣布 API 價格調降高達 95%，大幅降低語音 AI 的開發與應用門檻。
Qwen
語音辨識
文字轉語音
阿里巴巴旗下的 Qwen 團隊正式發布 Qwen-Audio-3.1 系列，包含五款專注於語音辨識（ASR）與文字轉語音（TTS）的全新模型。這次更新不僅強化了多語言與方言的辨識能力，還能自動過濾說話時的贅詞。其進階版模型甚至支援多人對話識別，能精準標示每位發言者的時間點與情緒狀態，並過濾環境噪音。
在語音生成方面，新模型讓使用者只需輸入簡單的文字提示（例如「用嚴厲的語氣說話」），就能即時控制合成語音的情緒、語速與風格，展現更自然的跨語言語音轉換能力。最受市場矚目的是，阿里將這些語音 AI 的 API 服務價格大幅下調最高達 95%。
這項更新對一般人和產業界影響深遠。技術升級加上近乎破壞性的低價，將促使企業以前所未有的低成本開發出更聰明的語音助理、即時翻譯機與自動字幕工具。未來，我們在日常生活中體驗到自然流暢的 AI 語音互動將變得越來越普及。