Qwen-Audio-3.0-Realtime 发布：懂倾听，更聪明的实时语音方案

通义实验室

合集 · 通义前哨站 (71)

  1. 1:02:05
    【直播回放】ICLR 2025论文解读（上）——通义实验室篇
  2. 1:11
    智能体工作流评估新框架：WorFBench
  3. 1:20
    这是通义千问的来时路。
  4. 15:23
    从单图到可驱动3D数字人生成技术讲解
  5. 1:15
    有人问Qwen2.5-Omni 和VL的区别？
  6. 1:27:46
    【直播回放】ICLR 2025论文解读（下）——通义实验室篇
  7. 2:03
    通义万相2.1的3D VAE是什么？
  8. 1:29
    多模态大模型解题新思路：mPLUG-Owl3
  9. 0:42
    行业首发全栈MCP服务，尽在百炼平台～
  10. 1:29
    通义万相2.1首尾帧生视频模型开源
  11. 1:23
    【玩转MCP】手把手教你自定义部署MCP服务
  12. 1:23
    【玩转MCP】手把手教你搭建专属MCP Agent
  13. 1:57
    超写实3D数字人大模型（LAM）技术报告解读
  14. 1:34
    表情、声音、说话风格一键复刻！
  15. 0:23
    我们为千行百业而来。
  16. 0:40
    Qwen3 来了！
  17. 1:20
    Thinking Budget：让大模型灵活思考
  18. 0:56
    Qwen3+MCP带来哪些新场景？
  19. 1:00
    太好了，是Qwen的Deep Research,我们有救了
  20. 1:07
    通义万相视频编辑统一模型VACE开源发布
  21. 10:01
    【直播回放】通义万相视频编辑统一模型VACE开源
  22. 2:14
    如果有Wan Day，它会是什么样子？
  23. 2:42
    ZeroSearch：无需真实搜索也能激发模型搜索能力
  24. 3:24
    今天来复习一下Qwen2.5-VL技术报告！
  25. 3:15
    ParScale：一种全新的大模型Scaling Law
  26. 2:01
    大模型如何持续进化，实现精准检索？
  27. 59:14
    【直播回放】Qwen3-Embedding模型深度解析
  28. 2:40
    语音识别怕噪声？CoGenAV 来破局！
  29. 0:37
    在这里，了解通义千问的一切
  30. 1:36
    微表情捕捉、潜台词翻译，AI“读心专家”就位！
  31. 1:47
    理解画面捕捉细节，你的AI音效师来啦！
  32. 5:03
    框架开源，无需邀约，即刻体验！
  33. 0:57
    Qwen Vlo｜描绘你关于世界的想象
  34. 1:51
    10分钟，打造你的专属实时语音交互应用！
  35. 1:41
    手机也能跑 Qwen3？手把手教你部署！
  36. 1:10
    一句话玩转网页开发！
  37. 1:04:15
    【直播回放】Ask Qwen3 Anything 2025年04月30日10点场
  38. 52:16
    如何让AI有理有据地识别情绪？
  39. 5:10
    来吧，上船，起航！
  40. 1:16
    👂听说，Qwen3-Coder其实也能听懂大白话？
  41. 1:57
    人人都是大导演！通义万相2.2来了！🤩
  42. 1:05
    Github 5K+🌟WebAgent研究团队新作：WebShaper来啦
  43. 1:57
    书画双全！Qwen-Image开源🖌
  44. 2:04:47
    【直播回放】Qwen-Image技术报告解读和模型实战攻略01
  45. 1:05
    音画传情 声启万相
  46. 3:39
    什么呀？语音识别现在也要调监控啦🧐？
  47. 4:03
    AgentScope1.0：终结智能体黑盒🗃️，打造生产级可控应用
  48. 1:41
    🎙️ 开麦即真：CosyVoice 全面升级
  49. 1:20
    不止入戏，更能入景🎬
  50. 2:35
    说得更好、更准、更自然：Qwen3-TTS上线
  51. 6:55
    原生全模态不降智
  52. 2:03
    Qwen3-VL 看懂、理解并响应世界
  53. 0:58
    多图编辑进化，万物皆可一键“同框”！
  54. 0:41
    大就是好！Qwen3-Max 正式亮相
  55. 0:41
    通义万相2.5：一句指令，玩转图像魔法
  56. 0:44
    别让声音困住你的效率
  57. 0:47
    通义万相2.5：一句话实现“Vibe PSing”！
  58. 0:48
    通义万相2.5：让声音当你的视频“导演”！
  59. 1:21
    通义万相2.5：让画面“声”动起来！
  60. 0:54
    通义万相2.5：能听懂，也能准确执行！
  61. 4:52
    Qwen3-Omni API上新：声形意合，令出智随
  62. 1:15
    Fun-CosyVoice 3 重磅升级｜更快、更准、更强表达力
  63. 1:21
    Fun-ASR 全新升级｜企业级抗干扰
  64. 0:39
    「通义万相2.6」来啦！所有角色，听我指挥
  65. 0:51
    Qwen-Image-Layered：下一代图像生成基础模型 🚀
  66. 0:55
    进来复习！是谁8步推理1秒出图
  67. 1:39
    【能干活的高情商语音搭子】
  68. 3:19
    Qwen3-TTS上新，支持跨物种克隆音色！
  69. 0:57
    Qwen-Image-2512 正式开源发布！
  70. 1:16
    除夕！Qwen3.5来了！
  71. 2:53
    Qwen-Audio-3.0-Realtime 发布：懂倾听，更聪明的实时语音方案
Description 
一句话总结：脑子快、情商高、耳朵灵。
核心能力与硬核数据一览：
🧠 脑子快，语音不降智 在 Artificial Analysis Speech-to-Speech 评测中综合排名第一，超越 GPT-Realtime-2。在 TauBench 真实业务测试中，航空领域任务完成率（76.0%）甚至超越纯文本基座模型，复杂工具调用与多步推理能力表现优异。
❤️ 情商高，告别机械朗读 根据语境动态调整语气、节奏和情感表达，自然融入笑声、叹息等副语言信号。支持音色克隆，一秒切换专属风格。在 S2S 语音指令遵循公开 Benchmark VStyle 上取得 SOTA。
👂 耳朵灵，嘈杂环境也能聊 内置多模态双工控制模型，同时分析音频、语义与声纹特征，精准锁定你的声音。开发者还可通过 audio_prompt 字段实现声纹级抗干扰，忽略其他人声和背噪。在 Artificial Analysis 对话动态子项取得 SOTA。
🛠️ 不止聊天，真正能办事 在 TauBench 真实业务测试中，语音输入下航空领域得分 76.0，超越纯文本模型的 64.0。一句话搞定路线规划、信息查询、日程安排等复杂任务。

Comments

黏糊糊老蛞蝓 22d ago

根据开源与否准备了两幅面孔。

♥ 37 ↩ 1

在下夏霞 23d ago

开源吗[doge]

♥ 28

java9d 23d ago

阿里推出啥东西，浓浓的电商味，搞个演示还要喝咖啡，住民宿，哈哈，盈利那么迫切吗？

♥ 10 ↩ 2

动感超人超带感- 23d ago

先不管回答质量，和live的人味体验上就差一大截

♥ 6 ↩ 1

阿澄佳奈快到碗里来 23d ago

好久没有开源模型了，准备什么时候开源个[doge]

♥ 4

折腾不止1024 23d ago

你好，开源吗？[doge]

♥ 2

Touch_night 23d ago

有关realtime的演示只有这样打断吗？希望能见到输入输出全双工的演示，比如让它唱低声部，用户唱高声部合唱，或者伴随用户即兴演奏的琴声进行即兴创作的诗朗诵或即兴伴唱。这样应该更有说服力

♥ 5 ↩ 1

CandlyCool 1d ago

我做的AI模拟联合国发言，学生输入立场，AI生成英文演讲，比赛拿奖了，感谢QQ群852707188。

qwe5283 23d ago

能平替GPT-Live吗[doge]

♥ 4 ↩ 2

noahhhi 23d ago

现在在哪可以直接用，千问 app 能用不，给我外婆种菜用用看。

♥ 4

萌新goodyyyy 23d ago

wan3.0开源吗[doge] 算了 先开2.7吧[doge]

♥ 2

My_God0 21d ago

依旧一坨

大炮果子被偷辣 23d ago

gpt-live：闹麻了[doge]

♥ 2

吉吉锅锅爱地球 9d ago

上哪体验你？

谱手 5d ago

开源也没耽误梁叔叔回收成本，qwen系列真的可惜了，闭源能活也就OA两家，不开源真的没人用了，

Peeeeew 22d ago

实话讲 这个介绍有点水 不说实际东西好用不 就这个视频里的介绍 你们自己家开源的 asr+意图识别+小模型+TTS 也就能有这效果了 那我岂不是也造了一个 realtime 模型？

嗏屽 22d ago

现在还可以投稿二创形象吗？🙃来个人看看我，要图吱一声

♥ 2

后会无期QAQ 8d ago

测试了下，smart_turn模式打断奇慢无比。一股脑推送大量音频片段，以至于我都无法打断它。看介绍是smart模式可以忽略″嗯″等无关紧要的文本自主决定是否要打断，实际上测试，它在播放音频时我说停别说了，它直接无视说完为止

sdty12 23d ago

不开源说🐮

♥ 1

突突啊kkkk 23d ago

为什么这么久qwen调用工具都这么差啊，接了api调用工具都不会，也不是完全不会，3.7模型，v4就不会这样，中文qwen是真可以表达能力

♥ 2