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%
← До новин

Alibaba представила Qwen-Audio-3.1 і знизила ціни на аудіо ШІ

Команда Qwen компанії Alibaba випустила Qwen-Audio-3.1 — лінійку з п’яти моделей для розпізнавання мовлення, синтезу мовлення та взаємодії в реальному часі. Модель ASR має покращити розпізнавання різних мов і діалектів, а також автоматично вилучає слова-паразити й повтори. ASR-Next визначає кількох мовців із часовими мітками та розпізнає емоції, навколишні звуки й шум машин.

Моделі синтезу підтримують багатомовну генерацію та перенесення голосу між мовами. Емоцію, швидкість і стиль можна задавати текстовими підказками. TTS-Next поєднує мовну модель із дифузійним підходом і за один прохід створює голос, звукові ефекти та фонове аудіо. Модель реального часу підтримує одночасне слухання й мовлення, а також миттєве переривання. За даними Qwen, у разі виявлення пригніченого настрою вона відповідає повільніше й емпатичніше. Alibaba знижує ціни приблизно на 70% для TTS, близько 85% для Realtime і до 95% для ASR.

Текст підготовлено ШІ Sakhanda Wire за матеріалом The Decoder. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням The Decoder

Читати оригінал на The Decoder ↗

Репортаж і зображення належать The Decoder і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини