阿里云百炼语音示例仓库新增 Qwen-Audio-3.0-TTS 与 ASR 示例
GitHub - QwenAudio/alibabacloud-bailian-speech-demo: Sample Code Repository for the AlibabaCloud Bailian Speech SDK · GitHub
阿里云百炼语音示例仓库新增 Qwen-Audio-3.0-TTS 语音合成与声音复刻示例，支持通过指令控制音色风格、方言与情感，并新增 Qwen-Audio-3.0-ASR 系列语音识别示例，覆盖非流式识别、流式识别（支持热词与对话上下文）与录音文件转写。此前该仓库已加入 Qwen-Audio-3.0-Realtime 端到端实时语音对话示例，含陪伴对话、函数调用、推理路由三种场景。开发者可通过百炼免费额度试用这些示例并集成进自己的项目。
正文
简体中文| English
本仓库以示例代码的形式向开发者展示如何通过阿里云百炼调用语音大模型（包括Qwen-Audio-3.0-TTS、Qwen-Audio-3.0-ASR、CosyVoice、Fun-ASR等），从而实现语音识别（语音转文字）、语音生成（文字转语音）等基础功能。以及如何结合阿里云百炼支持的大语言模型（包括千问OMNI、Qwen、百川、月之暗面、零一万物、MiniMax等），从而实现视频聊天对话、语音聊天对话、语音分析理解、语音翻译等高阶AI功能。
开发者可以通过阿里云百炼提供的模型调用 💰 免费额度 💰 试用本仓库中的各个示例，还可以直接将这些示例集成进自己的项目中进一步开发。在开发过程中如有任何疑问，都可以通过我们的钉钉群进行沟通交流。
⭐最新动态⭐
2026/08/14
增加 Qwen-Audio-3.0-TTS 语音合成与声音复刻示例，支持通过指令控制音色风格、方言与情感。; 增加 Qwen-Audio-3.0-ASR 系列语音识别示例，覆盖非流式识别、流式识别（支持热词与对话上下文）与录音文件转写。
2026/07/14
增加 Qwen-Audio-3.0-Realtime 端到端实时语音对话模型示例（含陪伴对话、函数调用、推理路由三种场景）。
更多历史发布信息请见变更记录。
👉 示例获取和准备工作
您可以通过git clone克隆示例工程，或者通过Download Zip下载完整工程，并在本地解压到文件。; 在执行示例代码之前，您需要开通阿里云账号及阿里云百炼模型服务、创建阿里云百炼API_KEY并进行必要的环境配置，以及安装阿里云百炼DashScope SDK，有关步骤的向导请参见运行示例代码的前提条件。某些示例还需要导入必要的依赖，您可以在示例代码所在目录下的README.md文件中查看具体的依赖条件。
👉 应用场景与开发示例
🚀 推荐场景
更多智能体场景：qwen-audio-agent 提供了基于 Qwen-Audio-3.0-Realtime 构建的多种 Agent 示例，包括多轮记忆、工具编排和多模态输入，可作为生产级参考。
如果您使用Java搭建语音服务，请参考高并发示例文档获得最佳的性能。
实时语音识别; 实时语音合成
🎮 Gallery
Gallery 是为开发者们精心策划的灵感资源库，已包含使用百炼 AI 能力开发的一些有趣应用程序。
✨ 社区项目
我们诚邀更多开发者加入，共同探索和建设这个广阔的技术天地。您的贡献不仅可以丰富我们的资源库，还将为更多开发者提供灵感和帮助，激发更多创新的可能性。无论是分享您的项目和代码，还是提出改进建议，我们都非常期待您的参与。让我们共同努力，打造一个更强大、更具创意的开发者社区！
👉 常见问题
ASR 调用常见问题请参考QA文档 TTS 调用常见问题请参考QA文档
增加 Qwen-Audio-3.0-TTS 语音合成与声音复刻示例，支持通过指令控制音色风格、方言与情感。; 增加 Qwen-Audio-3.0-ASR 系列语音识别示例，覆盖非流式识别、流式识别（支持热词与对话上下文）与录音文件转写。
2026/07/14
增加 Qwen-Audio-3.0-Realtime 端到端实时语音对话模型示例（含陪伴对话、函数调用、推理路由三种场景）。
2026/06/16
增加百聆音乐生成大模型（Fun-Music）示例，支持通过提示词和歌词生成音乐。; 优化 Omni 演示程序,使用 session_end 优雅结束。; 增加 Omni function calling 示例。
2025/12/19
更新ASR默认模型为fun-asr; 更新TTS默认模型为cosyvoice-v3-flash
2025/07/21
增加omni示例。; 增加qwen-tts-realtime示例。
2025/06/17
增加英文readme文档。; TTS 相关模型升级为cosyvoice-v2。
2025/02/14
增加cosyvoice和paraformer的javascript接入示例。
2025/01/24
增加调用call api识别本地单个文件示例，将识别本地视频文件并转opus格式放入gallery。; 更换html流式音频播放器，wavtools在移动端和Safari有杂音。
2025/01/17
调整demo结构，java示例统一为maven项目。; 增加声音复刻示例。; 增加调用gummy语音翻译模型示例。; 增加 Gallery 示例代码目录，及示例项目。
优化目录结构和场景示例命名，增加更详细的调用说明。
2024/07/24
增加并行调用语音识别和语音合成的python示例。; 增加朗读故事并实时展示字幕的 python/java 示例。; 增加使用网页播放流式音频的AI Assistant示例。; 各示例根节点目录增加更详细的运行说明。
发布初始版本，分别支持从麦克风/文件输入识别，以及语音合成到扬声器和文件的 python/java 示例。