Alibaba startet Qwen Audio 3.1 mit neuen Modellen und senkt KI-Audio-Preise um bis zu 95 Prozent
decoder ·
Das Qwen-Team von Alibaba hat Qwen-Audio-3.1 veröffentlicht, eine Suite aus fünf neuen KI-Modellen für Spracherkennung, Text-zu-Sprache-Synthese und Echtzeit-Interaktion. Die aktualisierten Funktionen zur automatischen Spracherkennung (ASR) bieten nun verbesserte mehrsprachige Unterstützung, die Handhabung von Dialekten sowie die Fähigkeit, Füllwörter zu filtern und gleichzeitig mehrere Sprecher und Emotionen zu identifizieren. Das neue TTS-Next-Modell für die Text-zu-Sprache-Synthese nutzt einen Diffusionsansatz, um Stimme, Soundeffekte und Hintergrundaudio in einem einzigen Durchgang zu generieren, wodurch Nutzer Tonfall und Stil über einfache Textbefehle steuern können. Darüber hinaus ermöglicht das Modell für die Echtzeit-Interaktion gleichzeitiges Sprechen und Zuhören, wobei es Reaktionsgeschwindigkeit und Empathie an die erkannte Stimmung des Nutzers anpasst. Parallel zu diesen technischen Fortschritten senkt Alibaba die Kosten für Entwickler erheblich: Die Preise für ASR-Dienste sinken um bis zu 95 Prozent, die Preise für Text-zu-Sprache um etwa 70 Prozent und die Kosten für die Echtzeit-Interaktion um rund 85 Prozent. Diese Updates sind über die Qwen-Cloud-Plattform verfügbar und bieten erweiterte Funktionalität sowie erschwinglichere Lösungen für Audio-KI-Anwendungen.
decoder