Alibaba запускает Qwen Audio 3.1 с новыми моделями и снижает цены на аудио ИИ до 95 процентов
decoder ·
Команда Qwen компании Alibaba выпустила Qwen-Audio-3.1 — набор из пяти новых моделей искусственного интеллекта, предназначенных для распознавания речи, синтеза текста в речь (TTS) и взаимодействия в реальном времени. Обновленные возможности автоматического распознавания речи (ASR) теперь включают улучшенную поддержку нескольких языков, обработку диалектов, способность фильтровать слова-паразиты, а также определять несколько говорящих и их эмоции. Для синтеза речи новая модель TTS-Next использует диффузионный подход для генерации голоса, звуковых эффектов и фоновой аудиозаписи за один проход, позволяя пользователям управлять тоном и стилем с помощью простых текстовых подсказок. Кроме того, модель для взаимодействия в реальном времени обеспечивает одновременное говорение и прослушивание, адаптируя скорость ответа и эмпатию на основе обнаруженного настроения пользователя. Наряду с этими техническими улучшениями, Alibaba значительно снижает затраты для разработчиков: цены на услуги ASR снижены до 95 процентов, на синтез речи — примерно на 70 процентов, а на взаимодействие в реальном времени — примерно на 85 процентов. Эти обновления доступны через платформу Qwen Cloud, предлагая расширенные функции и доступность для приложений аудиоискусственного интеллекта.
decoder