本日（17日）午後、アリババクラウドは公式アカウントを通じて、Qwen-Audio-3.0シリーズ音声モデルが正式に千問AIプラットフォームとアリババクラウド百錬プラットフォームで提供開始されたと発表しました。開発者はAPIサービスを通じてモデル機能を利用できるほか、Token Planに加入して利用することもできます。
Qwen-Audio-3.0シリーズモデルは、アリババが開発した独自の音声モデルです。IT之家が具体的な製品ラインアップを以下にまとめます。
音声認識大規模モデル Qwen-Audio-3.0-ASR
音声合成大規模モデル Qwen-Audio-3.0-TTS
リアルタイム音声インタラクション対話モデル Qwen-Audio-3.0-Realtime
紹介によると、世界的に権威のあるAI評価プラットフォームArtificial Analysisが今年7月に発表した音声ランキングで、同モデルは音声認識（ASR）、リアルタイムインタラクション（RealTime）、音声合成（TTS）の3部門で世界1位を獲得し、「グランドスラム」を達成しました。
このうち、Qwen-Audio-3.0-ASRは音声をテキストに変換し、複雑な文脈や専門分野の認識に対応します。Qwen-Audio-3.0-TTSはテキストを音声に変換し、多言語・多方言に対応するほか、感情、口調、リズムを制御できます。Qwen-Audio-3.0-Realtimeはエンドツーエンドの音声理解と対話に対応し、聞きながら話したり、いつでも割り込んで追加質問したりできるほか、ツール呼び出しにも対応します。
現在、このシリーズのモデルは千問アプリ、千問オフィス、Qoderなどの製品で利用されています。