据雷峰网报道，9月28日，在全球权威AI评测平台Artificial Analysis的语音排行榜Controlled Voice Arena上，阿里巴巴发布的语音大模型Qwen-Audio-3.1-TTS以1177的Elo评分位列全球第一。

雷峰网介绍，Qwen-Audio-3.1-TTS是阿里新一代语音合成大模型，支持多语种及方言合成。该模型能够让同一音色在不同语言之间自然迁移，用一种声音自然讲出多种语言。

与传统语音合成主要关注字音是否正确不同，Qwen-Audio-3.1-TTS更强调声音是否符合具体内容和使用场景。用户可通过指令控制情绪、语速和表达方式，使合成语音不只“说得对”，也能“说得像”。

此次登顶的模型属于阿里在2026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。雷峰网称，三大模型的API服务均已上架千问AI平台。

在开源方面，阿里语音团队开源的多款模型，包括Qwen-Audio-Agent和CosyVoice，在GitHub上累计获得数万星标，受到海内外开发者关注。

价格方面，据雷峰网报道，目前Qwen-Audio全线语音模型价格均已下调，最高降幅达95%，为开发者和企业的语音应用节省成本。