1. 从“能说话”到“会表达”：Qwen-Audio-3.0-TTS 发布 原创 通义实验室 2026-07-20 16:54 浙江 让语音合成从"能说话"进化到"会表达" Qwen-Audio-3.0-TTS 实时语音合成模型发布。本次发布包含两个版本： Flash： 面向实时交互，首包延迟在 300ms 左右。 Plus： 面向高质量生成，在自然度和音色还原度上表现更佳。 本次更新，我们把精力放在了开发者在生产环境中真正会遇到的 07/20 16:54 ♡
2. Wan-Streamer v0.2：响应延迟仅550ms，让 AI 真正与你"面对面" 原创 通义实验室 2026-07-17 15:14 浙江 实时互动，丝滑连麦～ 和 AI 打视频电话，卡顿、延迟、声画不同步，是常态。 这本质上就是“语音识别 ➡️ 大模型 ➡️ 语音合成 ➡️ 动画驱动”的流水线拼装。环节越多，延迟越高，割裂感越强。 但真正的自然交流，应该像和朋友打视频一样自然： 没有卡顿，没有等待。 它能实时读懂你的微表情，像真人一样点 07/17 15:14 ♡
3. Qwen-Audio-3.0-Realtime 如何让语音交互“懂倾听，更聪明”？ 通义实验室 2026-07-15 10:31 浙江 脑子快、情商高、耳朵灵 语音交互的下一个形态是什么？ 是毫秒级的快速响应？是深度思考的逻辑推理？还是能够感知情绪、像真人般对谈的情感共鸣？ 如何让语音交互跨越“机械感”走向了“自然和智能”？我们也在持续探索。 今天，我们想和大家分享阿里语音交互模型 Fun-Realtime-AudioChat 的全面升级（ 07/15 10:31 ♡
6. Qwen-AgentWorld 开源：让 Agent 学会“先预测，再行动” 通义实验室 2026-06-24 11:32 浙江 Agent 开发太难？试试让 AI 自己“预测环境” Agent 开发离不开真实环境，但真实环境：成本贵、响应慢、控制难。 搭沙箱环境成本高、真实的边缘 Case 难收集。而在真实环境里做强化学习，一旦 Agent 执行了不可逆的“危险操作”，整个环境就崩溃了。 所以我们换了个思路：与其在真实环境里试错，不 06/24 11:32 ♡
7. 统一科学大模型 LOGOS 正式开源 通义实验室 2026-06-18 10:32 浙江 用一个“科学语法”打通科学语言与自然语言的边界 在 AI for Science 领域，我们一直在思考：蛋白质、小分子、材料和化学反应等科学对象，能不能像人类语言一样， 被一个模型统一建模和生成？ 现状是，AI4S 的主流路径是为每个问题训练一个专家模型。结构预测有专门的模型、分子生成有专门的模型、逆合成规 06/18 10:32 ♡
8. Qwen-Robot 发布：打通大模型到物理世界的最后一公里 通义实验室 2026-06-16 14:14 浙江 给机器人装上“大脑、小脑与直觉” 在具身智能的探索中，我们常面临一个共同的困境：为什么大语言模型能写诗、能 coding，却很难让一台机器人稳稳地拿起一个杯子，或者在陌生的走廊里找到一家咖啡店？ 因为物理世界是连续、复杂且充满不确定性的。Qwen-VL 等基础模型已为物理智能体奠定了强大的认知基础，但 认知 06/16 14:14 ♡
9. 端侧 AI 提速 80%？如何让 Qwen3-VL 在手机起飞 原创 王召德、潘逢治 2026-06-11 19:44 浙江 当我们谈论“把大模型跑在手机上”时，速度始终是绕不开的核心问题。模型越大、参数越多，推理时的矩阵乘法运算量就越大。 随着 Arm 第二代可伸缩矩阵扩展 (SME2) 技术的普及，以及 MNN 推理引擎的深度适配，我们找到了一把打开端侧性能天花板的钥匙。只需在编译时开启一个开关，就能让 Qwen3- 06/11 19:44 ♡
10. 只给一份文档，Qwen3.7-Max 从 0 交付双端应用 原创 通义实验室 2026-06-09 17:28 浙江 实践经验详解 让 Agent 改一个按钮、修一个 Bug，今天已不算新闻。 但只给它 一份调研文档 ，让它从 0 写出高度还原的完整应用呢？ 这是一条横跨规划、架构、十几个模块编码、验证、修复的 超长程任务 ：几个小时、成百上千个决策、前后强依赖，错一步就会沿着后面几十步一路放大。这正是今天大多数 A 06/09 17:28 ♡