据DeepLearning.AI报道，阿里巴巴全面升级了Qwen3系列AI模型，包括Qwen3-Max（1万亿参数MoE封闭权重模型，支持26.2万Token输入，API定价每百万Token 约1.2至6美元）、Qwen3-VL-235B-A22B（开放权重视觉-语言大模型，支持文本/图像/视频输入，支持最高100万Token上下文，在多项视觉、视频和智能体基准测试中取得领先）、以及Qwen3-Omni-30B-A3B（开放权重多模态语音模型，在36项音频/视听测试中22项达到业界领先）。这些新模型展示了阿里巴巴在超大规模、强性能AI领域的创新，为企业级自然语言处理、计算机视觉和语音场景提供多样化的落地应用与商业机会。（来源：DeepLearning.AI, https://www.deeplearning.ai/the-batch/alibaba-expands-qwen3-family-with-1-trillion-parameter-max-open-weights-qwen3-vl-and-qwen3-omni-voice-model/）

据OpenAI官方开发者文档（2024年5月）介绍，音频标签如[sarcastic]、[whispers]、[excited]和[strong French accent]，能够精准控制生成式AI语音的表达方式，提升用户交互体验。企业可利用这些标签打造个性化客户服务、智能语音助手及品牌音频差异化，从而增强用户黏性和市场竞争力。但需注意，不同AI语音模型对标签的支持程度不同，无法实现所有风格的完美切换，因此推动了更高兼容性语音模型的开发和创新。这为AI厂商与企业打开了新的业务增长空间。