Alibaba lanza Qwen-Audio 3.1 y recorta hasta 95% el precio de sus APIs de voz

El equipo Qwen de Alibaba lanzó esta semana Qwen-Audio 3.1, una familia de cinco modelos de voz, junto con recortes de precio de hasta 95% en sus APIs de audio. La jugada mueve el piso de precios de todo el mercado de voz para IA empresarial, justo cuando cada vez más compañías dependen de transcripción y síntesis de voz para call centers, asistentes y agentes conversacionales.

Cinco modelos, no uno

Qwen-Audio 3.1 no es un solo modelo sino un stack completo: cubre reconocimiento de voz (ASR), síntesis de voz (TTS) y un modelo de voz en tiempo real (Realtime), a los que se suman dos modelos nuevos, TTS-Next y ASR-Next. ASR-Next añade identificación de múltiples hablantes con marcas de tiempo, detección de emociones y reconocimiento de sonido ambiental. TTS-Next, por su parte, genera voz, efectos de sonido y audio de fondo en una sola pasada, en lugar de requerir capas separadas de producción de audio.

Los recortes de precio, en detalle

Según los propios anuncios de Alibaba y coberturas técnicas independientes, los recortes no son uniformes entre modelos: la API de reconocimiento de voz (ASR) baja hasta 95%, el modelo de texto a voz (TTS) baja alrededor de 70%, y el modelo de voz en tiempo real (Realtime) baja aproximadamente 85% frente a los precios de la generación anterior de Qwen.

Por qué esto presiona a todo el mercado de voz IA

Proveedores como Deepgram, ElevenLabs y la propia oferta de transcripción de OpenAI han construido modelos de negocio alrededor de un precio por minuto o por hora de audio procesado que ya venía bajo presión. Con Qwen fijando un piso de precio significativamente más bajo —y con capacidades comparables o superiores en varios de los nuevos modelos— cualquier contrato de voz empresarial firmado antes de este anuncio probablemente esté hoy por encima del precio de mercado.

Qué debe hacer una empresa que ya usa APIs de voz

Antes de la próxima renovación de contrato con cualquier proveedor de voz —Deepgram, ElevenLabs, OpenAI o similar— vale la pena volver a calcular el costo por hora de audio procesado usando los nuevos precios de Qwen-Audio 3.1 como referencia, incluso si la decisión final es quedarse con el proveedor actual por razones de integración, cumplimiento o soporte regional. El objetivo no es necesariamente migrar, sino tener una cifra de referencia real para negociar, algo que hace un mes no existía a este nivel de agresividad de precio.