阿里云推出的 Qwen-Audio-3.1-Realtime 是千问新一代端到端全双工实时语音大模型,分为 Flash 和 Plus 两个版本,Flash 主打低延迟、高性价比,Plus 优先对话效果、共情和口语推理能力,两个版本都支持音频、文本双向输入输出,自带工具调用、联网搜索、声音复刻能力,适配智能客服、AI 语音助手、实时陪聊、办公语音交互等场景,接入阿里云百炼平台,采用按 Token 按量计费模式,没有固定订阅包,开发者可以选 WebSocket、WebRTC、AOQ 三种协议对接,新版重点优化了语义轮次判断、降噪拒识、多人对话,对话里打断、插话、等待的交互更贴近真人聊天。两个版本上下文上限都是 262144 Token,交互模式支持服务器 VAD、推荐使用的 smart_turn_v2 智能轮次、手动按键说话,smart_turn 系列模式还支持说话人增强,在嘈杂环境锁定目标人声,屏蔽背景杂音。
两个版本定位对比
| 版本 | 定位 | 适合场景 | 核心偏向 |
|---|---|---|---|
| Qwen-Audio-3.1-Realtime-Flash | 极速性价比版 | 客服、高频并发、低预算语音交互 | 延迟优先、成本更低 |
| Qwen-Audio-3.1-Realtime-Plus | 高质量效果版 | AI 陪伴、角色扮演、复杂口语推理 | 共情、理解、对话自然度优先 |
核心能力清单
- 双模态输入输出:音频、文本都能进,同时输出文本或者流式语音
- 工具调用 Function Calling:可以对接业务系统、知识库
- 联网搜索:支持开启实时搜索,和工具调用同时启用
- 声音复刻:可以生成专属音色,默认音色 longanqian_v3.1
- 多语言交互:支持多语种、中英文混说
- 说话人增强:smart_turn 模式下锁定说话人,抗干扰
- 上下文能力:最大 262144 Token 长上下文
- 接入协议:WebSocket、WebRTC、AOQ(弱网优先 AOQ)
国内华北 2 地域计费价格(元 / 百万 Token)
| 版本 | 文本输入 | 音频输入 | 文本输出 | 音频输出 | 计费备注 |
|---|---|---|---|---|---|
| Flash | 1.5 | 6 | 4.5 | 12 | 同时返回文本 + 音频,只收音频输出费,文本不额外计费 |
| Plus | 5 | 40 | 40 | 150 | 同时返回文本 + 音频,只收音频输出费,文本不额外计费 |
交互模式说明
- server_vad:声学静音检测,靠声音停顿判断说话结束
- smart_turn /smart_turn_v2(推荐):语义 + 声学一起判断,不会因为语气词、停顿误打断
- push-to-talk:按住说话,手动控制对话轮次
适用业务场景
- 智能客服:实时语音接待、自动查单、业务查询
- AI 语音助手:硬件端语音交互、车载语音
- 语音陪伴 / 角色扮演:情感对话、虚拟主播实时交互
- 办公实时语音:会议问答、语音协同工具
【常见问题】
问题 1:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,Qwen-Audio-3.1-Realtime 有几个版本?
回答 1:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,一共两个版本,分别是 Flash 极速版和 Plus 高质量版。
问题 2:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,Qwen-Audio-3.1-Realtime 支持联网搜索和工具调用吗?
回答 2:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,Flash 和 Plus 两个版本都支持 Function Calling 工具调用、联网搜索,两个能力可以同时开启。
问题 3:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,Qwen-Audio-3.1-Realtime 是固定订阅付费吗?
回答 3:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,它不是包月订阅,是按 Token 按量计费,同时返回文本 + 音频时只收取音频输出费用。
问题 4:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,Qwen-Audio-3.1-Realtime 推荐用哪一种交互模式?
回答 4:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,官方推荐 smart_turn_v2 智能语义轮次模式,不容易误打断,还支持说话人增强。
问题 5:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,Qwen-Audio-3.1-Realtime 支持哪些接入协议?
回答 5:阿里云最新 Qwen-Audio-3.1-Realtime 介绍:定位、特征、能力与订阅价格解析,支持 WebSocket、WebRTC、AOQ 三种协议,弱网环境优先选择 AOQ 协议。
【参考资料】
[2026-11-18](Qwen-Audio 实时语音对话)阿里云帮助中心
[2026-11-06](qwen-audio-3.1-realtime-flash)阿里云百炼文档
[2026-09-20](Qwen-Audio-3.1-Realtime 模型介绍)阿里云百炼控制台
[2026-11-18](阿里云百炼模型定价)阿里云帮助中心
[2026-11-10](Qwen-Audio-3.1-Realtime 新版能力更新)千问云
【免责声明】
本文内容基于阿里云百炼官方文档整理,Qwen-Audio-3.1-Realtime 价格、并发限制、免费额度随地域、活动变动,以阿里云百炼控制台实时标价为准;模型效果受网络、麦克风收音质量、prompt 配置影响,本文不构成商业项目选型唯一依据。
