阿里Qwen-Audio-3.1-TTS登顶权威语音榜全球第一

在第三方 AI 评测平台 Artificial Analysis 近期公布的语音竞技场（Controlled Voice Arena）排行榜中，阿里巴巴发布的语音合成大模型 Qwen-Audio-3.1-TTS 以 1177 的 Elo 评分位列全球第一。

作为阿里新一代语音合成模型，Qwen-Audio-3.1-TTS 支持多语种与方言的高质量合成。与传统语音合成主要解决“发音正确”不同，该模型更加强调语音表现与具体场景的贴合度：

• 跨语言音色迁移：同一音色可在多种语言之间无缝切换，实现用同一种声音自然演绎多种语言。
• 指令化拟真表达：用户可通过提示词直接控制生成语音的情绪、语速与表达风格，让合成语音不仅“说得对”，也能“说得像”。

此次登顶的 TTS 模型隶属于阿里在 2026 云栖大会发布的 Qwen-Audio-3.1 系列。该系列还涵盖语音转写（ASR）与实时语音交互（Realtime）两类模型，目前三款模型的 API 服务均已在千问 AI 平台上线。在此之前，阿里语音团队开源的 Qwen-Audio-Agent 与 CosyVoice 等项目已在 GitHub 累计收获数万星标。

伴随模型能力的升级，阿里已将 Qwen-Audio 全线语音模型价格大幅下调，最高降幅达 95%，显著降低了企业与开发者落地语音交互的门槛与成本。