Alibaba снизила цены на голосовые модели Qwen Audio 3.1

Alibaba выпустила пять новых аудио-моделей линейки Qwen-Audio-3.1. Модели ASR и ASR-Next распознают речь на нескольких языках и диалектах и различают говорящих по голосу и по эмоциям, а TTS и TTS-Next озвучивают текст и переносят голос между языками с управлением интонацией через обычный текстовый запрос. Вместе с релизом Alibaba снизила цены: TTS подешевел примерно на 70%, модель реального времени — примерно на 85%, а ASR — до 95%.

Тут ценность не в новом качестве, а в цене: в источнике нет ни одного бенчмарка, только список функций и новые тарифы на API. Я слежу за такими релизами, потому что голосовой канал у агентов остаётся одним из самых дорогих мест в цепочке, и снижение цены на 70-95% на разных моделях этот счёт заметно меняет. Но цифры пока только от самой Alibaba, без независимой проверки, и я бы сначала прогнал задачи на своих кейсах, а потом переносил их в продакшн.