2026年9月23日，千问正式发布Qwen-Audio-3.1系列语音大模型。本次共推出5款新模型，覆盖语音识别（ASR）、语音合成（TTS）、实时交互（Realtime）及全新音频理解（ASR-Next）与音频创作（TTS-Next）能力。模型支持30种语言、16种中文方言，具备结构化转写、情绪识别、多角色音色一致生成及全双工实时对话等能力。全线模型价格大幅下调，ASR降幅达95%，TTS降约70%，Realtime降约85%。新模型已接入千问AI眼镜等智能硬件及办公Agent场景。