Alibaba переводит голосовые технологии из разряда «дополнительных функций» в полноценный интерфейс для управления приложениями и устройствами. Серьёзное снижение цен ускорит внедрение…
💡 Почему важно: Alibaba переводит голосовые технологии из разряда «дополнительных функций» в полноценный интерфейс для управления приложениями и устройствами. Серьёзное снижение цен ускорит внедрение голосового AI в умные колонки, очки, офисных ассистентов и колл-центры — именно там, где у Китая уже сильные позиции. Модели серии Qwen-Audio доступны через Alibaba Cloud и поддерживают русский язык, хотя публичная библиотека голосов пока ориентирована в основном на китайский и английский. 📰 Что произошло: Alibaba выпустила серию Qwen-Audio-3.1 — сразу пять голосовых моделей. Цены снижены по всей линейке: ASR (распознавание речи) — на 95%, Realtime (общение в реальном времени) — на 85%, TTS (синтез речи) — на 70%. Модель ASR распознаёт 30 языков и 16 диалектов китайского, умеет убирать слова-паразиты и разделять реплики по говорящим с отметками времени; задержка первого символа — около 160 мс. ASR-Next идёт дальше: «слышит» эмоции, звуки окружения и механические шумы. TTS сохраняет тембр голоса при переключении между языками и диалектами. TTS-Next генерирует целые аудиопроизведения: голос, звуковые эффекты и фоновые звуки одновременно, с качеством вывода 48 кГц — для подкастов, аудиокниг, игр и рекламы. Realtime работает в режиме полного дуплекса (говорит и слушает одновременно), распознаёт эмоции, переключает языки и прямо в диалоге вызывает внешние инструменты для выполнения задач. 🏢 Справка: Qwen-Audio-3.1 — линейка голосовых моделей Alibaba в рамках экосистемы Tongyi Qianwen, доступна через Alibaba Cloud.
Первоисточник: www.bestblogs.dev. Мы пересказали новость и проверили числа и имена; за фактами следует идти в первоисточник.
Лента отвечает на вопрос «что случилось». Как это устроено — в разборах и отчётах; значения терминов — в глоссарии.