阿里发布Qwen-Audio-3.0-Realtime：实时语音大模型四项功能升级

阿里发布 Qwen-Audio-3.0-Realtime，在智商、工具调用、共情对话和双工交互四条主线上同步升级，力求“又快又聪明”。

• 智商方面，在 VoiceBench 上标准与口语 prompt 得分仅差 2.0，扛得住真人说话的随意性。
• Agent 工具调用无需明确指令，可自行调用外部工具，结果融入对话记忆，后续追问可衔接。
• 共情对话能根据语境动态调整语气、节奏、音调与情感，在 VStyle 基准上取得 SOTA。
• 双工交互支持边说边听，嘈杂环境不被误打断，多人讨论中锁定主对话对象。
• 采用 On-Policy Distillation 框架，将文本大模型推理能力蒸馏至语音模型，多教师策略确保不偏科。
• 影响/看点：实时语音模型在智商和交互体验上全面升级，有望推动语音助手从“能聊天”到“能办事”的跨越。