智通财经APP获悉，，，，7月15日，，，，千问正式宣布宣布实时语音交互对话模子Qwen-Audio-3.0-Realtime，，，，一个既要毫秒级响应、又不牺牲推理深度的实时语音模子。。。。。该模子在智商、Agent工具挪用、共情对话、双工交互流通度四条主线上同步升级。。。。。 据先容，，，，模子提供推理更强的Plus版本与速率更快的Flash版本，，，，适用于智能客服、教育培训、娱乐互动与情绪陪一律场景。。。。。官方体现，，，，该模子将让语音交互“懂谛听，，，，更智慧”。。。。。 Qwen-Audio-3.0-Realtime针对日常对话、简朴问答等对时延敏感的场景，，，，可直接天生回复，，，，毫秒级响应。。。。。今年5月，，，，模子的Preview版本曾在全球权威第三方评测平台Artificial Analysis榜单斩获了两项冠军，，，，逾越GPT-Realtime-2。。。。。 文本大模子的Agent能力已相当成熟，，，，但语音模子往往是“能谈天不可服务”，，，，模子要边听边判断何时该调工具。。。。。Qwen-Audio-3.0-Realtime无需明确的指令，，，，即可自行挪用外部工具，，，，挪用效果还会自动融入对话影象，，，，一次挪用的效果会被记着，，，，后面几轮追问都能接着用。。。。。模子基于 FunctionCall 标准协议，，，，可以完成 MCP、API、知识库的引入。。。。。 共情对话是本版本最能改变用户主观体验的部分。。。。。Qwen-Audio-3.0-Realtime 挣脱了古板语音助手的机械感，，，，可凭证对话语境动态调解语气、节奏、音调与情绪，，，，好比在辩说场景中，，，，模子能准确抓取对方论点并快速组织反驳，，，，并坚持适当的语气强度。。。。。在情绪陪同中，，，，则通过语调、节奏与笑声、叹息、犹豫等副语言信号举行共情回应。。。。。在专门考“AI 说得像不像人”的 S2S 语音指令遵照果真基准 VStyle 上，，，，模子取得 SOTA 效果。。。。。 双工交互流通度意为即模子能边说边听，，，，像真人一样随时打断、插话，，，，而非一问一答的对讲机模式。。。。。Qwen-Audio-3.0-Realtime内置“多模态感知的双工控制”子模子，，，，通太过析音频信号、语义内容与语言人声纹特征，，，，来判断怎样攀谈。。。。。好比在餐厅、开下班区等嘈杂情形中，，，，它不会被配景噪声误打断；；；
；；；在多人讨论中能锁定主对话工具、忽略旁听者攀谈；；；
；；；在多语言人切换时，，，，则能凭证语义线索自然过渡。。。。。别的，，，，模子的API还预留了 audio_prompt 字段，，，，用户可上传提前录制的音频样本，，，，锁定声纹，，，，聚焦特定的语言人。。。。。