Alibaba lance Qwen Audio 3.1 avec de nouveaux modèles et réduit les prix de l'audio IA jusqu'à 95 %
decoder ·
L'équipe Qwen d'Alibaba a lancé Qwen-Audio-3.1, une suite de cinq nouveaux modèles d'IA conçus pour la reconnaissance vocale, la synthèse text-to-speech et l'interaction en temps réel. Les capacités mises à jour de Reconnaissance Automatique de la Parole (ASR) incluent désormais un meilleur support multilingue, la gestion des dialectes, ainsi que la capacité à filtrer les mots de rempli tout en identifiant plusieurs locuteurs et émotions. Pour la synthèse vocale, le nouveau modèle TTS-Next utilise une approche par diffusion pour générer voix, effets sonores et audio d'ambiance en un seul passage, permettant aux utilisateurs de contrôler le ton et le style via des invites textuelles simples. De plus, le modèle d'interaction en temps réel permet de parler et d'écouter simultanément, adaptant sa vitesse de réponse et son empathie en fonction de l'humeur détectée chez l'utilisateur. Parallèlement à ces avancées techniques, Alibaba réduit significativement les coûts pour les développeurs, avec des baisses de prix allant jusqu'à 95 % pour les services ASR. Le prix de la synthèse text-to-speech a diminué d'environ 70 %, tandis que les coûts d'interaction en temps réel ont baissé d'environ 85 %. Ces mises à jour sont disponibles via la plateforme Qwen Cloud, offrant des fonctionnalités améliorées et une meilleure accessibilité financière pour les applications audio basées sur l'IA.
decoder