阿里 Qwen-Audio-3.1-TTS 在 Artificial Analysis 语音榜获 1177 分

9 月 28 日，第三方评测平台 Artificial Analysis 更新了其语音排行榜（Controlled Voice Arena）。数据显示，阿里巴巴近期发布的语音大模型 Qwen-Audio-3.1-TTS 以 1177 的 Elo 评分位列该榜单全球第一。该模型主打多语种及方言合成能力，支持同一音色在不同语言间自然迁移。此外，Qwen-Audio-3.1 系列中的 ASR 和 Realtime 模型 API 也已同步上架千问 AI 平台，且全线语音模型价格出现下调。

先看重点

• Qwen-Audio-3.1-TTS 在 Artificial Analysis 的 Controlled Voice Arena 榜单中获得 1177 的 Elo 评分，排名全球第一。
• 该模型支持多语种及方言合成，允许用户通过指令控制情绪、语速和表达方式，强调声音与场景的匹配度。
• Qwen-Audio-3.1 系列包含 TTS、ASR 和 Realtime 三类模型，其 API 服务均已上架千问 AI 平台。
• 阿里语音团队开源的 Qwen-Audio-Agent 和 CosyVoice 等模型在 GitHub 上获得了较多开发者关注。
• Qwen-Audio 全线语音模型价格已下调，据称最高降幅达 95%，旨在降低开发者和企业的语音应用成本。

评测表现与排名情况

根据来源信息，在 9 月 28 日的 Artificial Analysis 语音排行榜（Controlled Voice Arena）上，Qwen-Audio-3.1-TTS 取得了 1177 的 Elo 评分，位列全球第一。这意味着该模型在当前的第三方评测体系中具有较高的竞争力。需要注意的是，Elo 评分是相对排名指标，具体领先幅度需结合榜单中其他模型的分数来综合判断，目前资料未提供完整的对比数据。

核心功能与技术特点

Qwen-Audio-3.1-TTS 是阿里新一代语音合成大模型，其核心优势在于支持多语种及方言合成。与传统语音合成主要关注字音准确性不同，该模型更强调声音是否符合具体内容和使用场景。用户可以利用指令控制情绪、语速和表达方式，实现“说得像”的效果。此外，该模型支持同一音色在不同语言之间的自然迁移，即用一种声音自然讲出多种语言。这一特性对于需要跨语言内容生产的开发者而言，可能意味着更统一的品牌声音体验。

产品生态与开发者支持

此次上榜的 TTS 模型属于阿里在云栖大会发布的 Qwen-Audio-3.1 系列，该系列还包括语音转写（ASR）和实时语音交互（Realtime）两类模型。目前，这三大模型的 API 服务均已上架千问 AI 平台。此外，阿里语音团队开源的 Qwen-Audio-Agent 和 CosyVoice 等模型在 GitHub 上累计获得了数万星标，显示出其在海内外开发者社区中的关注度。对于开发者而言，这意味着他们可以通过 API 快速集成这些能力，或利用开源模型进行本地化部署和二次开发。

价格调整与应用成本

来源指出，Qwen-Audio 全线语音模型价格均已下调，最高降幅达 95%。这一价格策略旨在为开发者和企业的广泛语音应用节省成本。虽然具体价格表未在文中列出，但大幅降价通常意味着语音合成技术的商业化门槛降低。对于正在评估语音交互方案的企业来说，这可能是一个值得关注的成本优化机会，但仍需结合实际业务量计算总体拥有成本。

参考资料与编写说明

• 事实来源：雷峰网 AI：阿里Qwen-Audio-3.1-TTS拿下权威语音榜全球冠军
• 本文由 AiNav 根据公开材料独立整理与解读，事实陈述与编辑分析分别表达，不逐段转载或翻译发布方全文。来源链接用于溯源和查看后续更新，本站正文已提供本篇完整内容。
• 尚未公开或来源未证实的信息不作确定性结论。具体产品条件、法规进展和服务变动以发布方后续公告为准。