Alibaba's Tongyi Lab представила свою новую систему преобразования текста в речь (TTS) под названием Qwen-Audio-3.0-TTS. Эта разработка ориентирована на производственное использование и призвана удовлетворить потребности разработчиков в высококачественном синтезе речи для различных приложений. Модель доступна в двух вариантах, каждый из которых оптимизирован для конкретных сценариев использования.
Qwen-Audio-3.0-TTS поставляется в двух основных версиях: Flash и Plus. Версия Flash специально разработана для обеспечения взаимодействия в реальном времени, что делает ее идеальным выбором для приложений, где скорость отклика имеет решающее значение, например, в голосовых помощниках или интерактивных системах. В свою очередь, версия Plus ориентирована на генерацию высококачественной речи, что важно для профессионального озвучивания, создания аудиокниг или контента, где требуется максимальная естественность и чистота звучания.
Важно отметить, что обе версии Qwen-Audio-3.0-TTS предоставляются как размещенные модели через Alibaba Cloud Model Studio. Это означает, что разработчики не получают загружаемые веса модели, а используют сервис, который управляется Alibaba Cloud. Такой подход упрощает развертывание и обслуживание, позволяя командам сосредоточиться на интеграции функционала TTS в свои продукты, не беспокоясь об инфраструктуре. Система поддерживает 16 языков, что значительно расширяет ее применимость на международном рынке.
Выпуск Qwen-Audio-3.0-TTS от Alibaba Tongyi Lab подчеркивает стремление компании к инновациям в области искусственного интеллекта и предлагает мощный инструмент для разработчиков, которым требуется надежное и масштабируемое решение для синтеза речи. Ориентация на производственные нужды и гибкость в выборе между скоростью и качеством делают эту модель значимым дополнением к экосистеме ИИ.