← Accueil actu | Salle du marché

Lancement de la série Qwen-Audio-3.1 de Qwen : cinq modèles vocaux d'un coup, l'ASR à -95 % réécrit la structure de coûts des applications vocales

2026-11-11 · Source:36氪快讯·中继

Lancement de la série Qwen-Audio-3.1 de Qwen : cinq modèles vocaux d'un coup, l'ASR à -95 % réécrit la structure de coûts des applications vocales

Reconnaissance, synthèse, interaction en temps réel et création intégrées dans la même famille de modèles : derrière la baisse généralisée des prix, le signal que les grands modèles vocaux passent de la course aux capacités à la course aux coûts.

Qwen a officiellement lancé la nouvelle génération de grands modèles vocaux Qwen-Audio-3.1 : cinq modèles vocaux inédits dévoilés simultanément, constituant une pile de capacités audio couvrant toute la chaîne — compréhension, génération, interaction, création. L'idée centrale de cette mise à jour est d'intégrer dans le même système produit des capacités de niveaux différents — reconnaissance, synthèse, interaction, création — : le développeur peut satisfaire dans une seule famille de modèles tout le besoin allant de la compréhension de la parole à la génération audio, sans plus assembler en va-et-vient fournisseurs multiples et interfaces multiples.

Du point de vue de la structure produit, les trois modèles centraux — reconnaissance vocale (ASR), synthèse vocale (TTS) et interaction vocale en temps réel (Realtime) — ont tous évolué dans cette mise à niveau. Dans le même temps, Qwen ajoute deux modèles : Qwen-Audio-3.1-TTS-Next, orienté création audio, et Qwen-Audio-3.1-ASR-Next, orienté compréhension audio, comblant respectivement les pièces du puzzle côté création et côté compréhension. Ce positionnement montre que la vision de Qwen de la filière vocale ne se limite plus à la structure binaire classique « reconnaissance + synthèse », mais s'étend aux deux extrémités de la production et de la compréhension approfondie des contenus audio, visant à couvrir tous les maillons de la pile technologique vocale.

La tarification est sans conteste la variable la plus suivie de ce lancement. Pour abaisser encore le coût d'usage, tous les modèles vocaux de la gamme Qwen-Audio baissent leurs prix en même temps : TTS d'environ -70 %, Realtime d'environ -85 %, et l'ASR de la baisse la plus forte, -95 %. Prenons l'ASR : -95 % signifie que le coût unitaire d'appel descend à environ un vingtième du niveau antérieur. Pour les applications dont la reconnaissance vocale est la charge principale, ce n'est pas une promotion ordinaire, c'est une réécriture profonde de la structure de coûts — le maillon de transcription vocale qui se débattait sans fin dans les revues de budget peut désormais, dans la plupart des scénarios, passer du statut de « poste de coût » à celui d'« élément négligeable ».

Du point de vue sectoriel, la portée de signal de cette baisse dépasse le prix lui-même. Les frais d'appel de la chaîne vocale ont toujours été un poste de dépense important des scénarios à forte concurrence — centres de service client, assistants vocaux temps réel, production de contenus audio. Auparavant, lors de l'évaluation de la viabilité commerciale d'un produit vocal, les prix unitaires de l'ASR et du Realtime étaient souvent la variable décisive de la marge brute. Après cette baisse, le coût unitaire des maillons à haute fréquence comme l'ASR et le Realtime descend massivement, le seuil de mise à l'échelle des applications vocales s'abaisse d'autant, et les produits contraints de limiter les volumes d'appel ou la durée de service pour cause de coûts disposent désormais de l'espace pour rouvrir les frontières de leurs capacités.

Pour les acheteurs de calcul IA et de services de modèles, ce lancement apporte aussi des considérations d'achat directes. Premièrement, dans la comparaison des grands modèles vocaux de même catégorie, cette nouvelle grille tarifaire offre une référence de coûts inédite : les équipes d'achat doivent recalibrer en conséquence leur modèle de calcul de coût unitaire pour leurs propres scénarios, surtout pour les activités de transcription, contrôle qualité et comptes rendus de réunion dont l'ASR est la charge principale. Deuxièmement, la série Qwen-Audio-3.1 intègre compréhension, génération, interaction et création dans la même famille : le degré de dépendance à un fournisseur unique monte, et l'acheteur doit, tout en profitant de la commodité intégrée, évaluer le coût de migration et la faisabilité d'un parallélisme multi-fournisseurs. Troisièmement, un rappel nécessaire : entre la grille affichée et le règlement réel s'interposent souvent des variables — quotas de concurrence, remises par paliers, calcul dédié — ; à la comparaison, l'acheteur doit se fonder sur le coût global après tests de charge sur ses propres trafics réels, non sur le seul prix public.

Autre arrière-plan à noter pour les acheteurs : la descente des prix des grands modèles vocaux s'accompagne généralement d'une montée de l'efficacité du calcul côté inférence. Un coût unitaire ramené à environ un vingtième signifie qu'une amélioration substantielle a eu lieu dans l'architecture d'inférence sous-jacente, les schémas de quantification ou l'efficacité d'orchestration du calcul. Pour les équipes qui achètent aussi le calcul sous-jacent, cela signale une tendance : le coût unitaire de calcul de l'inférence vocale est dans une pente descendante rapide, et les protocoles de verrouillage de calcul à longue durée et prix élevé exigent davantage de prudence — conserver un espace d'extension et de rétraction élastique est peut-être la stratégie plus robuste.

Du point de vue de la configuration concurrentielle, Qwen entre avec la combinaison « cinq modèles d'un coup + baisse généralisée des prix », poussant la concurrence des grands modèles vocaux de l'affrontement des capacités à celui des coûts. C'est une bonne claire pour les développeurs aval, mais les fournisseurs comparables verront très probablement ensuite des baisses de suivi et des rattrapages de capacités. Pour l'acheteur, la stratégie optimale à court terme n'est pas nécessairement de changer de fournisseur immédiatement, mais d'utiliser cette nouvelle grille comme levier de négociation pour retravailler les termes commerciaux des fournisseurs actuels de sa chaîne vocale.

En somme, le lancement de la série Qwen-Audio-3.1 est à la fois la complétion systémique de la pile audio de Qwen et une prise de position de marché dont l'arme centrale est le prix. Cinq modèles couvrant toute la chaîne — compréhension, génération, interaction, création —, plus des baisses d'environ -70 % pour le TTS, d'environ -85 % pour le Realtime et de -95 % pour l'ASR : le signal est limpide — la fenêtre d'application à grande échelle de l'IA vocale s'ouvre à toute vitesse, et le coût devient la variable la plus affûtée de cette compétition.

Information de marché : pour les modèles précis concernés par ce lancement, ce modèle ne comporte actuellement aucune donnée de cotation à la vente sur le marché, et le marché au comptant n'a pas encore formé de système public de cotations correspondant ; l'acheteur souhaitant obtenir les informations de déploiement de calcul et de coûts d'appel de cette série doit se référer aux canaux tarifaires officiels et aux rapports de marché mis à jour ultérieurement — ces informations ne constituent pas pour l'instant une base de comparaison d'achat au comptant.

Q: Quelles sont les baisses de prix de la série Qwen-Audio-3.1 ?

A: TTS d'environ -70 %, Realtime d'environ -85 %, et l'ASR de la baisse la plus forte, -95 % ; après la baisse, le coût unitaire d'appel de l'ASR descend à environ un vingtième du niveau antérieur.

Q: Combien de modèles contient ce lancement et lesquels sont les deux nouveaux ?

A: Cinq modèles vocaux inédits dévoilés simultanément, dont les nouveaux Qwen-Audio-3.1-TTS-Next orienté création audio et Qwen-Audio-3.1-ASR-Next orienté compréhension audio.

Q: Quelles sont les baisses de prix de la série Qwen-Audio-3.1 ?

A: TTS d'environ -70 %, Realtime d'environ -85 %, et l'ASR de la baisse la plus forte, -95 % ; après la baisse, le coût unitaire d'appel de l'ASR descend à environ un vingtième du niveau antérieur.

Q: Combien de modèles contient ce lancement et lesquels sont les deux nouveaux ?

A: Cinq modèles vocaux inédits dévoilés simultanément, dont les nouveaux Qwen-Audio-3.1-TTS-Next orienté création audio et Qwen-Audio-3.1-ASR-Next orienté compréhension audio.

Mots-clés: Qwen · Qwen-Audio-3.1 · Speech AI · ASR · TTS


À lire aussi


萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle