阿里发布 Qwen-Audio-3.1 语音大模型，语音识别价格大降

一句话说清：阿里一口气出了 5 款“会听会说的 AI 模型”，把语音转文字的价格打下来约 95%，做字幕、记会议再也不贵。

发生了什么

9 月 23 日，阿里发布 Qwen-Audio-3.1 系列语音大模型，包含 5 款不同定位的模型，覆盖语音识别（ASR）、语音合成（TTS）、声音理解等能力。官方把语音识别的调用价格下调约 95%，意味着同样一小时录音的转写成本几乎只剩原来的零头。

对我有什么用

• 开会、上课、访谈的录音，几秒钟就变文字稿，再也不用自己慢慢听写。
• 给视频加字幕、把播客转成文章，成本大幅降低，个人也能用得起。
• 想做“语音助手”“有声内容”的小项目，现在有了便宜好用的底座。

我可以怎么做

1. 打开阿里云百炼平台（bailian.cloud.aliyun.com）或通义 App。
2. 在“模型广场”里找到 Qwen-Audio 相关的语音模型。
3. 上传一段录音或输入文字，点“生成”就能看到转写或合成结果。

温馨提醒

• 免费额度有限，量大了还是要按量付费，先小范围试再批量用。
• 涉及隐私的录音（如内部会议）注意平台的数据使用条款，敏感内容别随便上传。