Sakhanda Wire
NVDA $153.93 -1.41% MSFT $506.53 -2.21% GOOGL $280.96 -0.97% META $620.53 -0.94% AMZN $256.87 -0.34%
← К новостям

Alibaba выпустила линейку Qwen-Audio-3.1 и снизила цены

Команда Qwen компании Alibaba выпустила Qwen-Audio-3.1 — линейку из пяти моделей для распознавания речи, синтеза речи и взаимодействия в реальном времени. Модель ASR должна улучшить распознавание разных языков и диалектов, а также автоматически удаляет слова-паразиты и повторы. ASR-Next определяет нескольких говорящих и добавляет временные метки, а также распознаёт эмоции, окружающие звуки и шум оборудования.

Модели синтеза поддерживают многоязычную генерацию и перенос голоса между языками. Эмоцию, скорость и стиль можно задавать текстовыми инструкциями. TTS-Next объединяет языковую модель с диффузионным подходом и за один проход создаёт голос, звуковые эффекты и фоновое аудио. Модель реального времени поддерживает одновременные речь и прослушивание, включая мгновенное прерывание. По данным Qwen, при обнаружении плохого настроения она отвечает медленнее и более сочувственно. Alibaba снижает стоимость TTS примерно на 70%, Realtime — примерно на 85%, а ASR — максимум на 95%.

Текст подготовлен ИИ Sakhanda Wire по материалу The Decoder. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием The Decoder

Читать оригинал на The Decoder ↗

Репортаж и изображение принадлежат The Decoder и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости