अलibaba ने नए मॉडल्स के साथ Qwen Audio 3.1 लॉन्च किया और AI ऑडियो कीमतों में 95 प्रतिशत तक कमी की
decoder ·
अलibaba की Qwen टीम ने स्पीच रिकग्निशन, टेक्स्ट-टू-स्पीच सिंथेसिस और रियल-टाइम इंटरैक्शन के लिए डिज़ाइन किए गए पांच नए AI मॉडलों का एक सेट, Qwen-Audio-3.1 जारी किया है। अपडेटेड ऑटोमेटिक स्पीच रिकग्निशन (ASR) क्षमताओं में अब बेहतर बहुभाषी समर्थन, बोलियों को संभालने की क्षमता, और भरे हुए शब्दों को फ़िल्टर करते हुए कई वक्ताओं और भावनाओं की पहचान करने की सुविधा शामिल है। टेक्स्ट-टू-स्पीच के लिए, नया TTS-Next मॉडल आवाज, ध्वनि प्रभावों और पृष्ठभूमि ऑडियो को एक ही चरण में उत्पन्न करने के लिए एक विसरण दृष्टिकोण का उपयोग करता है, जिससे उपयोगकर्ता सरल टेक्स्ट प्रॉम्प्ट्स के माध्यम से टोन और शैली पर नियंत्रण रख सकते हैं। इसके अलावा, रियल-टाइम इंटरैक्शन मॉडल एक साथ बोलने और सुनने की अनुमति देता है, जो पता लगाए गए उपयोगकर्ता के मूड के आधार पर अपनी प्रतिक्रिया गति और सहानुभूति को अनुकूलित करता है। इन तकनीकी उन्नतियों के साथ, अलibaba डेवलपर्स के लिए लागत में महत्वपूर्ण कमी ला रहा है, जहां ASR सेवाओं के लिए मूल्य में 95 प्रतिशत तक की कमी आई है। टेक्स्ट-टू-स्पीच की कीमतें लगभग 70 प्रतिशत कम हो गई हैं, जबकि रियल-टाइम इंटरैक्शन की लागत में लगभग 85 प्रतिशत की कमी आई है। ये अपडेट Qwen क्लाउड प्लेटफ़ॉर्म के माध्यम से उपलब्ध हैं, जो ऑडियो AI एप्लीकेशन के लिए बढ़ी हुई कार्यक्षमता और किफ़ायती विकल्प प्रदान करते हैं।
decoder