7月15日，阿里巴巴宣布实时语音交互对话模型Qwen-Audio-3.0-Realtime正式发布。该模型在智商、Agent工具调用、共情对话和双工交互流畅度等方面进行了同步升级，旨在实现“又快又聪明”的语音交互体验。Qwen-Audio-3.0-Realtime包含Plus版本和Flash版本，适用于智能客服、教育培训、娱乐互动与情感陪伴等多种场景。

模型亮点包括：根据语境动态调整语气与情感表达，支持音色克隆，提供非机械朗读感的体验；内置多模态双工控制模型，即使在嘈杂环境下也能保持流畅对话；在ArtificialAnalysis子项中综合排名第一，超越OpenAIGPT-Realtime-2。此外，模型支持动态工具调用，能够完成路线规划、信息查询等任务，不仅限于聊天。在情感陪伴方面，模型能够通过语调、节奏和内容表达共情，提供温暖的情感支持。

Qwen-Audio-3.0-Realtime在生成侧进行了深度优化，包括情感感知生成、韵律动态调整、副语言信息处理和个性化风格适配，以实现真正拟人化的语音交互。模型还能在复杂声场中保持从容，如在嘈杂背景环境下的双工对话、多人交谈不打断以及多说话人智能切换。