Alibaba lança versão 3.1 do modelo de voz Qwen-Audio

Alibaba lança versão 3.1 do modelo de voz Qwen-Audio. A atualização inclui ASR, TTS e Realtime. O modelo suporta 30 idiomas e 16 dialetos chineses

A nova versão é parte de uma estratégia para melhorar a experiência de interação com a IA em aplicações como audiobooks, filmes e jogos. O Qwen-Audio-3.1-ASR-Next reconhece emoções e sons do ambiente. O Qwen-Audio-3.1-TTS-Next gera sons cinematográficos a partir de textos.

O Qwen-Audio-3.1-TTS permite síntese em múltiplos idiomas e dialetos. O Qwen-Audio-3.1-TTS teve uma redução de preço de aproximadamente 70%. O Qwen-Audio-3.1-ASR teve uma redução de preço de até 95%.

O modelo Qwen-Audio-3.1 está disponível no Qwen AI. O Qwen-Audio-3.1-Realtime permite interação bidirecional e compreensão de intenções. A versão 3.1 também inclui o modelo ASR que suporta 30 idiomas e 16 dialetos chineses. Alibaba lançou a versão 3.1 do modelo de voz Qwen-Audio, com melhorias em reconhecimento de voz, síntese de voz e interação em tempo real

Ficha técnica

Preço e disponibilidade

Preços caiem, versões ganham precisão

O Qwen-Audio-3.1-TTS reduz custos em 70%. A versão ASR ganha, tornando a tradução em 30 idiomas mais acessível. O modelo Realtime permite interação em tempo real, com suporte a audiobooks e jogos.

A atualização oferece mais flexibilidade para desenvolvedores que buscam integração com IA. A versão ASR-Next e TTS-Next trazem melhorias na precisão e na naturalidade da voz. A disponibilidade no Qwen AI facilita o acesso.

A redução de preço pode atrair mais usuários, especialmente em cenários de tradução e síntese de fala. A versão 3.1 mostra a evolução da estratégia de Alibaba em voz sintetizada e reconhecimento de fala. A integração com IA facilita a criação de experiências dinâmicas e imersivas. A disponibilidade no Qwen AI oferece testes e desenvolvimento do modelo.

A versão 3.1 inclui múltiplas variantes, como ASR-Next e TTS-Next, com suporte a 30 idiomas e 16 dialetos chineses. A empresa também apresentou a família Qwen-Audio-3.1 no Apsara Conference, destacando melhorias em latência e precisão. A nova versão chega em meio a atualizações de outros modelos, como o Qwen3.8-Omni-Flash, que pode lidar com 1 milhão de tokens.

A evolução do Qwen-Audio reflete a busca por eficiência e versatilidade em processamento de áudio. A versão 3.1 também oferece suporte a interação em tempo real, permitindo que usuários conversem com a IA de forma mais natural. A atualização faz parte de uma linha de produtos que inclui o Qwen3.8-LiveTranslate, focado em tradução simultânea com maior precisão. A nova família de modelos é apresentada como uma evolução para aplicações que exigem processamento áudio-visual complexo, como criação de conteúdo multimídia

O Qwen-Audio-3.1 redefiniu a forma como a IA processa áudio, com suporte a emoções e interação em tempo real. A versão ASR-Next entende sons do ambiente e identifica emoções, tornando a compreensão do áudio mais contextualizada. O TTS-Next gera sons cinematográficos a partir de textos, ampliando as possibilidades criativas.

A redução de custos no TTS facilita o uso em sistemas de grande escala. A nova versão chega em junho e está disponível para empresas e desenvolvedores. A versão Realtime do modelo permite interação bidirecional e compreensão de intenções, tornando o processamento de áudio mais fluido.

O TTS-Next também oferece síntese em múltiplos idiomas e dialetos, expandindo o alcance do modelo.

Mais imagens

Valores em dólar convertidos pela cotação de referência de 22/09/2026 (Banco Central Europeu).

• #hardware
• #software