千问发布Qwen-Audio-3.1五款语音模型，ASR降价最高达95%

9月23日，千问在2026云栖大会上发布Qwen-Audio-3.1系列语音大模型，共五款，覆盖语音识别（ASR）、音频理解（ASR-Next）、语音合成（TTS）、音频创作（TTS-Next）与实时交互（Realtime），形成理解、生成、交互、创作的完整音频能力栈，API已上架千问AI平台。

价格方面，Qwen-Audio全线语音模型下调：TTS降价约70%，Realtime降幅约85%，ASR降幅达95%。能力上，ASR支持约30种语言与16种中文方言，新增原生转写润色与分角色转写；TTS-Next可统一生成人声、音效与环境音；Realtime支持全双工对话与对话中工具调用，目前已与Qoder、千问办公及多款AI眼镜等智能硬件结合落地。

【AICOR点评】ASR直降95%是又一个词元通缩的样本：当语音调用成本趋近于零，过去因计费而精打细算的语音场景——实时质检、全量会议分析、口语陪练——将进入默认开启区间。语音入口的竞争逻辑也随之改变：从谁识别得准，转向谁听得懂业务、接得上工作流。对正在重构客户服务与内部协同的企业，建议重新测算一遍语音类AI场景的投入产出：半年前的立项模型今天很可能整体不成立，新的成本结构下，该做的是把语音智能体从试点线挪进生产主线。