模型發布
據報導阿里發布 Qwen-Audio-3.1 五款語音模型，API 價格最高調降 95%
The Decoder單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
據報導，阿里的 Qwen 團隊發布 Qwen-Audio-3.1 系列，包含五款針對語音辨識（ASR）、文字轉語音（TTS）及即時互動的模型，並大幅調降 API 價格。ASR 模型提升了多語種與方言辨識能力，可自動清除冗詞與重複片段；進階的 ASR-Next 增加帶有時間戳記的多語者辨識，並能偵測情緒、環境音與機器噪音。TTS 模型支援多語種合成與自然跨語言聲音轉換，允許透過文字提示控制情緒、語速與風格；TTS-Next 則結合語言模型與 diffusion 方法，可一次性生成語音、音效與背景音。即時互動模型支援同時說與聽及即時打斷，官方稱其能感知情緒，例如在偵測到低落情緒時會以較慢且更具同理心的方式回應。在定價方面，ASR 價格最高調降 95%，即時模型調降約 85%，TTS 則調降約 70%。
讀原始報導背景
Qwen-Audio 是基礎的多任務音訊語言模型，旨在透過統一的大型模型實現通用的音訊理解，並支援多種任務、語言與音訊類型。此次更新中 TTS-Next 所使用的擴散模型（Diffusion model）是一種生成式模型，其原理是透過學習反轉添加雜訊的過程，從而生成所需的資料樣本。