В серии Qwen-Audio-3.1 представлено пять моделей, охватывающих области распознавания, синтеза, взаимодействия и творчества. Ключевые обновления включают ASR-Next с функцией распознавания эмоций и понимания звуков, TTS-Next для полноценного генерации звука и Realtime для многоходового диалога с низкой задержкой. Цены значительно снижены: на TTS — на 70 %, на Realtime — на 85 %, на ASR — на 95 %. Пакет поддерживает 30 языков и 16 китайских диалектов, предлагая полный набор аудиофункций с повышенной точностью и доступностью.