La serie Qwen-Audio-3.1 presenta cinco modelos que abarcan el reconocimiento, la síntesis, la interacción y la creación. Entre las novedades más destacadas se incluyen ASR-Next, con comprensión de emociones y sonidos; TTS-Next, para la generación completa de audio; y Realtime, para diálogos de múltiples turnos con baja latencia. Los precios se reducen significativamente: TTS un 70 %, Realtime un 85 % y ASR un 95 %. La suite es compatible con 30 idiomas y 16 dialectos chinos, y ofrece un conjunto completo de funciones de audio con mayor precisión y accesibilidad.