阿里发布 Qwen-Audio-3.1-ASR：新增说话人分离与通用音频理解

阿里巴巴发布 Qwen-Audio-3.1-ASR 音频语言模型系列技术报告，在上一代 3.0 基础上改进语音识别，并扩展说话人分离转录与通用音频理解能力。该系列支持 30 种语言和 16 种中文方言，说话人分离 ASR 可输出说话人标签、时间戳和识别文本，通用音频理解覆盖音频描述、时间定位、声音事件检测、音频问答与选择题推理。