阿里发布实时语音交互对话模型Qwen-Audio-3.0-Realtime

阿里发布Qwen-Audio-3.0-Realtime，一款在智商、工具调用、共情和双工交互上全面升级的实时语音对话模型，旨在让语音交互“懂倾听，更聪明”。

• 模型提供Plus（更强推理）和Flash（更快速度）两个版本，适用于智能客服、教育培训、娱乐互动和情感陪伴等场景。
• 核心能力包括：根据语境动态调整语气和情感，支持音色克隆；内置多模态双工控制，嘈杂环境下也能流畅对话；在Artificial Analysis子项中综合排名第一，超越GPT-Realtime-2。
• 情感感知生成、韵律动态调整、副语言信息处理（如笑声、叹息）和个性化风格适配，实现拟人化交互。
• 支持动态工具调用，可完成路线规划、信息查询等任务，不止于聊天。
• 影响/看点：该模型将语音交互从机械问答推向情感化、场景化，有望在智能客服和陪伴机器人等领域带来体验跃升。