首页

投稿

Qwen-Audio-3.0-Realtime 发布：懂倾听，更聪明的实时语音方案

9907

3

2026-07-15 10:36:35

未经作者授权，禁止转载

一句话总结：脑子快、情商高、耳朵灵。核心能力与硬核数据一览： 🧠 脑子快，语音不降智在 Artificial Analysis Speech-to-Speech 评测中综合排名第一，超越 GPT-Realtime-2。在 TauBench 真实业务测试中，航空领域任务完成率（76.0%）甚至超越纯文本基座模型，复杂工具调用与多步推理能力表现优异。 ❤️ 情商高，告别机械朗读根据语境动态调整语气、节奏和情感表达，自然融入笑声、叹息等副语言信号。支持音色克隆，一秒切换专属风格。在 S2S 语音指令遵循公开 Benchmark VStyle 上取得 SOTA。 👂 耳朵灵，嘈杂环境也能聊内置多模态双工控制模型，同时分析音频、语义与声纹特征，精准锁定你的声音。开发者还可通过 audio_prompt 字段实现声纹级抗干扰，忽略其他人声和背噪。在 Artificial Analysis 对话动态子项取得 SOTA。 🛠️ 不止聊天，真正能办事在 TauBench 真实业务测试中，语音输入下航空领域得分 76.0，超越纯文本模型的 64.0。一句话搞定路线规划、信息查询、日程安排等复杂任务。

通义实验室发消息

让代码流动，以开放之火燎技术之原。

【直播回放】ICLR 2025论文解读（上）——通义实验室篇

01:02:05

智能体工作流评估新框架：WorFBench

01:11

这是通义千问的来时路。

01:20

从单图到可驱动3D数字人生成技术讲解

15:23

有人问Qwen2.5-Omni 和VL的区别？

01:15

【直播回放】ICLR 2025论文解读（下）——通义实验室篇

01:27:46

通义万相2.1的3D VAE是什么？

02:03

多模态大模型解题新思路：mPLUG-Owl3

01:29

行业首发全栈MCP服务，尽在百炼平台～

00:42

通义万相2.1首尾帧生视频模型开源

01:29

【玩转MCP】手把手教你自定义部署MCP服务

01:23

【玩转MCP】手把手教你搭建专属MCP Agent

01:23

超写实3D数字人大模型（LAM）技术报告解读

01:57

表情、声音、说话风格一键复刻！

01:34

我们为千行百业而来。

00:23

Qwen3 来了！

00:40

Thinking Budget：让大模型灵活思考

01:20

Qwen3+MCP带来哪些新场景？

00:56

太好了，是Qwen的Deep Research,我们有救了

01:00

通义万相视频编辑统一模型VACE开源发布

01:07

【直播回放】通义万相视频编辑统一模型VACE开源

10:01

如果有Wan Day，它会是什么样子？

02:14

ZeroSearch：无需真实搜索也能激发模型搜索能力

02:42

今天来复习一下Qwen2.5-VL技术报告！

03:24

ParScale：一种全新的大模型Scaling Law

03:15

大模型如何持续进化，实现精准检索？

02:01

【直播回放】Qwen3-Embedding模型深度解析

59:14

语音识别怕噪声？CoGenAV 来破局！

02:40

在这里，了解通义千问的一切

00:37

微表情捕捉、潜台词翻译，AI“读心专家”就位！

01:36

理解画面捕捉细节，你的AI音效师来啦！

01:47

框架开源，无需邀约，即刻体验！

05:03

Qwen Vlo｜描绘你关于世界的想象

00:57

10分钟，打造你的专属实时语音交互应用！

01:51

手机也能跑 Qwen3？手把手教你部署！

01:41

一句话玩转网页开发！

01:10

【直播回放】Ask Qwen3 Anything 2025年04月30日10点场

01:04:15

如何让AI有理有据地识别情绪？

52:16

来吧，上船，起航！

05:10

👂听说，Qwen3-Coder其实也能听懂大白话？

01:16

人人都是大导演！通义万相2.2来了！🤩

01:57

Github 5K+🌟WebAgent研究团队新作：WebShaper来啦

01:05

书画双全！Qwen-Image开源🖌

01:57

【直播回放】Qwen-Image技术报告解读和模型实战攻略01

音画传情声启万相

01:05

什么呀？语音识别现在也要调监控啦🧐？

03:39

AgentScope1.0：终结智能体黑盒🗃️，打造生产级可控应用

04:03

🎙️ 开麦即真：CosyVoice 全面升级

01:41

不止入戏，更能入景🎬

01:20

说得更好、更准、更自然：Qwen3-TTS上线

02:35

原生全模态不降智

06:55

Qwen3-VL 看懂、理解并响应世界

02:03

多图编辑进化，万物皆可一键“同框”！

00:58

大就是好！Qwen3-Max 正式亮相

00:41

通义万相2.5：一句指令，玩转图像魔法

00:41

别让声音困住你的效率

00:44

通义万相2.5：一句话实现“Vibe PSing”！

00:47

通义万相2.5：让声音当你的视频“导演”！

00:48

通义万相2.5：让画面“声”动起来！

01:21

通义万相2.5：能听懂，也能准确执行！

00:54

Qwen3-Omni API上新：声形意合，令出智随

04:52

Fun-CosyVoice 3 重磅升级｜更快、更准、更强表达力

01:15

Fun-ASR 全新升级｜企业级抗干扰

01:21

「通义万相2.6」来啦！所有角色，听我指挥

00:39

Qwen-Image-Layered：下一代图像生成基础模型 🚀

00:51

进来复习！是谁8步推理1秒出图

00:55

【能干活的高情商语音搭子】

01:39

Qwen3-TTS上新，支持跨物种克隆音色！

03:19

Qwen-Image-2512 正式开源发布！

00:57

除夕！Qwen3.5来了！

01:16

Qwen-Audio-3.0-Realtime 发布：懂倾听，更聪明的实时语音方案

02:53

顶部