阿里巴巴音频和语音路径

CosyVoice V3.5 Plus 是阿里巴巴的文本转语音路径，用于生成语音输出。Nfero 将其作为音频堆栈的一部分，与 ASR、音乐和 Qwen Omni 模型一起展示。

最适合： 语音、转录和音频工作流

Fun ASR 是阿里巴巴将音频转换为文本的语音识别路径。Nfero 将其连接到转录、音频理解、RAG 和代理工作流规划。

最适合： 语音、转录和音频工作流

Fun ASR Flash 2026-06-15 是阿里巴巴当前用于多语言音频文件的非实时语音识别快照版本。Nfero 记录了确切的模型 ID 及官方接入路径，便于实施规划。

最适合： 语音、转录和音频工作流

Fun ASR Realtime 是阿里巴巴推荐的持续多语言语音识别及方言支持方案。Nfero 记录了规划路径，而公开转录功能目前仍处于禁用状态。

最适合： 语音、转录和音频工作流

Fun Music V1是Nfero音频目录中的阿里巴巴文本到音乐路径。它定位于创意探索、音乐构思和音频工作流程规划。

最适合： 语音、转录和音频工作流

Qwen Audio 3.0 TTS Flash 是用于交互式语音和语音克隆工作流的低延迟合成路径。阿里巴巴报告称，在支持条件下，首次音频时间低于200毫秒。

最适合： 语音、转录和音频工作流

Qwen Audio 3.0 TTS Plus 是用于专业语音输出和指令控制交付的高质量语音合成路径。Nfero 记录了其国际访问和定价基础，而不会暴露未经验证的公共合成。

最适合： 语音、转录和音频工作流

Qwen3.5 LiveTranslate Flash Realtime 结合音频与视觉上下文实现多语言翻译，在支持条件下延迟低至 2.8 秒。Nfero 记录了该路线，但未声明公开访问。

最适合： 语音、转录和音频工作流

Qwen3.5 Omni Plus 是阿里巴巴结合文本、图像、音频和视频理解和生成的多模态路径。Nfero 将其置于更广泛的 Omni 和代理规划表面中。

最适合： 语音、转录和音频工作流

Qwen3.5 Omni Plus Realtime 是用于交互式多模态体验的低延迟 Omni 路线。Nfero 使用它进行实时、音频和面向代理的阿里巴巴工作流规划。

最适合： 语音、转录和音频工作流