Qwen 系列正悄然成为现代音频模型的骨干：一张图看懂 100+ 音频模型架构

audio.cpp 项目对 100 多个音频模型的架构进行梳理后发现，Qwen 已成为最常见的语言骨干：32 个音频模型家族采用 Qwen 系架构，其中 20 个使用 Qwen3 LLM。Qwen 基模型已不止用于 TTS，还覆盖语音识别、音乐生成、speech-to-speech 及音视频模型。项目还提供"任务 × 技术"矩阵图，展示各构建模块与音频模型类型的对应关系。