阿里云近日宣布推出三款全新AI模型，涵盖多模态交互、语音合成及图像编辑领域，并同步开放源代码供开发者使用。此次发布的模型包括Qwen3-Omni全模态模型、Qwen3-TTS-Flash语音合成系统，以及Qwen-Image-Edit-2509图像处理工具，标志着其在生成式AI技术上的进一步突破。
作为全球首个原生端到端全模态AI模型，Qwen3-Omni突破了传统多模态系统的技术瓶颈。该模型支持文本、图像、音频、视频的跨模态输入，并可通过自然语音实现实时流式输出。开发者无需在不同模态能力间进行权衡，即可构建支持多类型数据交互的应用程序，为智能客服、内容创作等领域提供更高效的解决方案。
在语音技术领域，Qwen3-TTS-Flash重新定义了文本转语音的标准。该模型支持中、英、意、法四国语言的SOTA级语音识别，提供17种情感化声线选项，并覆盖粤语、闽南语、四川话等9种中国方言。其多语言兼容性与自然度表现，使其成为游戏配音、智能导航、多媒体内容生产等场景的理想选择。
图像处理方面，Qwen-Image-Edit-2509展现了强大的融合编辑能力。用户可上传单张图片进行基础处理，或通过组合“人物+产品”“人物+场景”等元素实现创意合成。模型通过智能算法分析元素特征，自动完成光影匹配与细节优化，生成符合视觉逻辑的融合图像，为电商设计、影视特效等领域提供高效工具。
目前，这三款模型已通过阿里云平台开放下载，开发者可基于开源代码进行二次开发。相关技术文档与使用案例同步上线，用户可通过访问AI资讯平台获取最新动态及行业应用方案。