আজ (17 তারিখ) বিকেলে, আলিবাবা ক্লাউড公众号-এর মাধ্যমে ঘোষণা করেছে যে Qwen-Audio-3.0 সিরিজের ভয়েস মডেল আনুষ্ঠানিকভাবে কিয়ানওয়েন AI প্ল্যাটফর্ম এবং আলিবাবা ক্লাউড বাইয়ান প্ল্যাটফর্মে চালু হয়েছে। ডেভেলপাররা API পরিষেবার মাধ্যমে মডেলের সক্ষমতা ব্যবহার করতে পারবেন, অথবা সাবস্ক্রাইব করে Token Plan ব্যবহার করতে পারবেন।
Qwen-Audio-3.0 সিরিজের মডেল আলিবাবার তৈরি স্বনির্ভর ভয়েস মডেল। IT之家-এর সংকলিত পণ্যের তালিকা নিচে দেওয়া হলো:
ভয়েস রিকগনিশন বড় মডেল Qwen-Audio-3.0-ASR
ভয়েস সিন্থেসিস বড় মডেল Qwen-Audio-3.0-TTS
রিয়েল-টাইম ভয়েস ইন্টারঅ্যাকশন ডায়ালগ মডেল Qwen-Audio-3.0-Realtime
পরিচিতি অনুযায়ী, বিশ্বস্ত AI মূল্যায়ন প্ল্যাটফর্ম Artificial Analysis-এর এ বছরের 7 মাসের ভয়েস র্যাঙ্কিংয়ে মডেলটি ভয়েস রিকগনিশন (ASR), রিয়েল-টাইম ইন্টারঅ্যাকশন (RealTime) এবং ভয়েস সিন্থেসিস (TTS)—এই তিনটি বিভাগে বিশ্বে প্রথম হয়েছে এবং “গ্র্যান্ড স্ল্যাম” অর্জন করেছে।
এর মধ্যে, Qwen-Audio-3.0-ASR ভয়েসকে লেখায় রূপান্তর করে এবং জটিল প্রেক্ষাপট ও পেশাদার ক্ষেত্র শনাক্ত করতে পারে; Qwen-Audio-3.0-TTS লেখাকে ভয়েসে রূপান্তর করে এবং বহুভাষা ও একাধিক উপভাষা সমর্থন করে, পাশাপাশি আবেগ, স্বরভঙ্গি ও ছন্দ নিয়ন্ত্রণ করা যায়; Qwen-Audio-3.0-Realtime প্রান্ত-থেকে-প্রান্ত ভয়েস বোঝাপড়া ও কথোপকথন সমর্থন করে, একই সঙ্গে শুনতে ও বলতে পারে, যেকোনো সময় বাধা দিয়ে প্রশ্ন করা যায় এবং টুল কলিং সমর্থন করে।
বর্তমানে, এই সিরিজের মডেলগুলো কিয়ানওয়েন App, কিয়ানওয়েন অফিস, Qoderসহ বিভিন্ন পণ্যে ব্যবহৃত হচ্ছে।