据 Woofun AI 消息，阿里巴巴正式推出实时语音模型 Qwen-Audio-3.0-Realtime。该模型实现毫秒级响应，可在对话中主动调用地图、API、MCP 及知识库等外部工具，无需用户显式指令即可基于上下文连续执行任务。模型支持边说边听与随时打断，能在嘈杂或多方通话场景中识别主要发言者并减少噪音干扰，同时根据语境动态调整语调、语速及情绪表达。

此次发布的版本包含推理能力更强的 Plus 版与响应更快的 Flash 版，两者均已部署于阿里巴巴云百炼平台供用户调用。