Hogar
Qwen-Audio-3.0-TTS: El modelo de síntesis de voz a gran escala de Qwen reduce la demora del primer paquete a 300 ms

La competencia en tecnología de voz entre los principales desarrolladores de inteligencia artificial se ha intensificado con una nueva incorporación. El 20 de julio, Qwen lanzó su último modelo de síntesis de audio, Qwen-Audio-3.0-TTS, desplazando el control desde configuraciones técnicas complejas hacia simples comandos de lenguaje natural.
La característica destacada de este modelo es su capacidad para aceptar instrucciones de lenguaje natural en formato libre. Anteriormente, lograr tonos, ritmos o estilos específicos requería ajustar numerosos parámetros del backend. Ahora, los usuarios pueden simplemente describir el resultado de audio deseado en lenguaje cotidiano, permitiendo que el modelo genere la voz correspondiente y reduzca significativamente la barrera de uso.
Qwen ofrece dos versiones distintas adaptadas a diferentes casos de uso. La versión Flash está optimizada para la interacción en tiempo real, reduciendo la latencia inicial a aproximadamente 300 milisegundos. Esta respuesta casi instantánea soporta preguntas y respuestas en tiempo real, asistentes de voz y otras aplicaciones sensibles a la latencia. Mientras tanto, la versión Plus prioriza la fidelidad y expresividad del audio, lo que la hace ideal para audiolibros, doblaje profesional y creación de contenido que exige texturas vocales matizadas. Este enfoque dual aborda tanto los requisitos de velocidad como los de calidad dentro de una única línea de productos.
Al convertir el lenguaje natural en la interfaz principal para el control de voz, Qwen avanza en el campo de la síntesis de habla, transformándola de una tarea de ingeniería especializada en una herramienta accesible para usuarios cotidianos.
Artículo relacionado
La función de Cowork de Claude ahora recuerda tus instrucciones anteriores del chat
La actualización del sistema de memoria de Claude de Anthropic elimina un importante punto de fricción en el uso de agentes de IA: la necesidad repetitiva de volver a explicar el contexto que la IA ya retiene. Al fusionar las arquitecturas de memoria
Chen Tianqiao regresa después de nueve años, invirtiendo $2 mil millones en IA impulsada por descubrimientos
De magnate de los videojuegos a pionero de la conciencia: El regreso de un ex multimillonarioTras nueve años de jubilación, el fundador del Grupo Shanda, Chen Tianqiao, concedió su primera entrevista internacional a los medios en marzo de 2026. En s
Los menús generados por IA golpean la estética de la perfección, provocando una respuesta del valle inquietante en las fotos de comida
La inteligencia artificial generativa está remodelando el diseño de los menús de restaurantes, pero su impulso hacia una “estética perfecta” está creando un paisaje visual homogeneizado que suscita nuevas preocupaciones sobre la experiencia gastronóm
Recomendaciones de temas especiales relacionados
comentario (0)
0/500

La competencia en tecnología de voz entre los principales desarrolladores de inteligencia artificial se ha intensificado con una nueva incorporación. El 20 de julio, Qwen lanzó su último modelo de síntesis de audio, Qwen-Audio-3.0-TTS, desplazando el control desde configuraciones técnicas complejas hacia simples comandos de lenguaje natural.
La característica destacada de este modelo es su capacidad para aceptar instrucciones de lenguaje natural en formato libre. Anteriormente, lograr tonos, ritmos o estilos específicos requería ajustar numerosos parámetros del backend. Ahora, los usuarios pueden simplemente describir el resultado de audio deseado en lenguaje cotidiano, permitiendo que el modelo genere la voz correspondiente y reduzca significativamente la barrera de uso.
Qwen ofrece dos versiones distintas adaptadas a diferentes casos de uso. La versión Flash está optimizada para la interacción en tiempo real, reduciendo la latencia inicial a aproximadamente 300 milisegundos. Esta respuesta casi instantánea soporta preguntas y respuestas en tiempo real, asistentes de voz y otras aplicaciones sensibles a la latencia. Mientras tanto, la versión Plus prioriza la fidelidad y expresividad del audio, lo que la hace ideal para audiolibros, doblaje profesional y creación de contenido que exige texturas vocales matizadas. Este enfoque dual aborda tanto los requisitos de velocidad como los de calidad dentro de una única línea de productos.
Al convertir el lenguaje natural en la interfaz principal para el control de voz, Qwen avanza en el campo de la síntesis de habla, transformándola de una tarea de ingeniería especializada en una herramienta accesible para usuarios cotidianos.
La función de Cowork de Claude ahora recuerda tus instrucciones anteriores del chat
La actualización del sistema de memoria de Claude de Anthropic elimina un importante punto de fricción en el uso de agentes de IA: la necesidad repetitiva de volver a explicar el contexto que la IA ya retiene. Al fusionar las arquitecturas de memoria
Chen Tianqiao regresa después de nueve años, invirtiendo $2 mil millones en IA impulsada por descubrimientos
De magnate de los videojuegos a pionero de la conciencia: El regreso de un ex multimillonarioTras nueve años de jubilación, el fundador del Grupo Shanda, Chen Tianqiao, concedió su primera entrevista internacional a los medios en marzo de 2026. En s
Los menús generados por IA golpean la estética de la perfección, provocando una respuesta del valle inquietante en las fotos de comida
La inteligencia artificial generativa está remodelando el diseño de los menús de restaurantes, pero su impulso hacia una “estética perfecta” está creando un paisaje visual homogeneizado que suscita nuevas preocupaciones sobre la experiencia gastronóm











