Qwen 正式推出 Qwen-Audio-3.1，对旗下音频模型矩阵进行了一次系统性扩充与升级。此次发布共涉及五个模型，覆盖音频理解、生成、交互与创作四个方向，原有的 ASR、TTS 与 Realtime 三条产品线均获得更新。

在既有能力升级之外，Qwen 新增了两款模型：面向音频创作的 TTS-Next，以及面向音频理解的 ASR-Next。两者分别补强了生成侧与理解侧的能力，使 Qwen-Audio-3.1 形成从识别到合成、从实时交互到内容创作的完整链条。

交互体验方面，Realtime 模型支持边说边听、随时打断，并在检测到用户情绪低落时放慢语速、以共情方式回应，将情绪感知融入了实时语音对话流程。

价格策略同步调整。Qwen 对全线音频模型下调定价，其中 TTS 约 70% off、Realtime 约 85% off、ASR 最高 95% off，降幅覆盖理解、生成与交互各环节。