7月15日，阿里巴巴正式发布实时语音大模型Qwen-Audio-3.0-Realtime，推出推理更强的Plus与速度更快的Flash版本，主打“又快又聪明”。该模型实现四项核心升级：一是智商提升，毫秒级响应且能扛住口语化提问；二是Agent工具调用，无需明确指令即可自动调用工具并融入记忆；三是共情对话，能根据语境动态调整语气情感，摆脱机械感；四是双工交互，支持边说边听、随时打断，抗噪防误打断。模型适用于智能客服、情感陪伴等场景。今年5月其Preview版本已在权威评测中斩获双冠并超越GPT-Realtime-2。

1月20日，豆包官方宣布推出实时语音大模型，并在豆包App新版中全量开放。该模型实现语音理解和生成一体化，提供端到端语音对话，具有低时延、可随时打断等特性，号称在中文对话方面“断崖式领先”。新功能还提升了语音的真实感及情绪表现，包括“喜怒哀乐”等复杂情感。此外，豆包App更新了实时语音通话功能，能自动调整节奏、儿化音、音量等细节，支持方言、英语对话及多角色模仿，甚至部分歌曲演唱。该技术基于端到端框架研发，深度融合语音与文本模态，力求达到“人机难辨”的AI交互效果。