Leo (tarehe 17) alasiri, Alibaba Cloud ilitangaza kupitia akaunti yake rasmi kwamba mfululizo wa miundo ya sauti Qwen-Audio-3.0 umeanza rasmi kupatikana kwenye jukwaa la Qwen AI na jukwaa la Alibaba Cloud Bailian. Wasanidi wanaweza kutumia uwezo wa miundo hiyo kupitia huduma za API au kujisajili kwenye Token Plan.
Mfululizo wa miundo ya sauti Qwen-Audio-3.0 ni miundo ya sauti iliyotengenezwa na Alibaba. IT之家 inawasilisha orodha mahususi ya bidhaa kama ifuatavyo:
Mfumo mkubwa wa utambuzi wa sauti Qwen-Audio-3.0-ASR
Mfumo mkubwa wa usanisi wa sauti Qwen-Audio-3.0-TTS
Muundo wa mazungumzo ya mwingiliano wa sauti wa wakati halisi Qwen-Audio-3.0-Realtime
Kulingana na maelezo, katika orodha ya kimataifa ya sauti ya mwezi Julai mwaka huu kwenye jukwaa lenye mamlaka la tathmini ya AI, Artificial Analysis, muundo huo ulishika nafasi ya kwanza duniani katika vipengele vitatu: utambuzi wa sauti (ASR), mwingiliano wa wakati halisi (RealTime) na usanisi wa sauti (TTS), na hivyo kushinda “mashindano yote”.
Qwen-Audio-3.0-ASR hubadilisha sauti kuwa maandishi na inasaidia utambuzi katika miktadha tata na nyanja za kitaalamu; Qwen-Audio-3.0-TTS hubadilisha maandishi kuwa sauti, ikiunga mkono lugha nyingi na lahaja mbalimbali, pamoja na udhibiti wa hisia, toni na mdundo; Qwen-Audio-3.0-Realtime inaunga mkono uelewaji na mazungumzo ya sauti kutoka mwanzo hadi mwisho, inaweza kusikiliza na kuzungumza kwa wakati mmoja, kuruhusu mtumiaji kukatiza na kuuliza maswali ya kufuatilia wakati wowote, na pia inaunga mkono matumizi ya zana.
Kwa sasa, mfululizo huu wa miundo tayari unatumika katika bidhaa kama vile programu ya Qwen, Qwen Office na Qoder.