阿里 Qwen-Audio-3.0 语音模型上线，语音识别合成实时交互三项全球第一

这篇文章的原文本身是中文（来源为 IT之家），我直接整理并输出如下：

阿里巴巴于 2025 年 8 月 17 日正式发布 Qwen-Audio-3.0 系列语音模型，已上线千问 AI 平台及阿里云百炼平台。开发者可通过 API 调用模型能力，亦可订阅 Token Plan 使用。

Qwen-Audio-3.0 系列是阿里巴巴自研的语音大模型，产品矩阵如下：

• Qwen-Audio-3.0-ASR：语音识别大模型，将语音转为文字，支持复杂语境及专业领域识别
• Qwen-Audio-3.0-TTS：语音合成大模型，将文字转为语音，支持多语种、多方言，可控制情绪、语气与节奏
• Qwen-Audio-3.0-Realtime：实时语音交互对话模型，支持端到端语音理解与对话，可边听边说、随时打断追问，并支持工具调用

在全球权威 AI 评测平台 Artificial Analysis 今年 7 月的语音排行榜上，该系列模型斩获语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一，实现"大满贯"。

目前，该系列模型已在千问 App、千问办公、Qoder 等产品中落地应用。