Maison
Qwen-Audio-3.0-TTS : Le modèle de synthèse vocale de grande taille de Qwen réduit le délai du premier paquet à 300 ms

La concurrence dans le domaine de la technologie vocale entre les principaux développeurs d’intelligence artificielle s’est intensifiée avec l’arrivée d’un nouvel acteur. Le 20 juillet, Qwen a publié son dernier modèle de synthèse audio, Qwen-Audio-3.0-TTS, déplaçant le contrôle depuis des configurations techniques complexes vers de simples commandes en langage naturel.
La caractéristique principale de ce modèle réside dans sa capacité à accepter des instructions en langage naturel libres. Auparavant, obtenir des tons, rythmes ou styles spécifiques nécessitait l’ajustement de nombreux paramètres backend. Désormais, les utilisateurs peuvent simplement décrire le résultat audio souhaité dans un langage courant, permettant au modèle de générer la voix correspondante et abaissant considérablement la barrière d’utilisation.
Qwen propose deux versions distinctes adaptées à différents cas d’usage. La version Flash est optimisée pour l’interaction en temps réel, réduisant la latence initiale à environ 300 millisecondes. Cette réponse quasi instantanée prend en charge les questions-réponses en temps réel, les assistants vocaux et d’autres applications sensibles à la latence. Parallèlement, la version Plus privilégie la fidélité audio et l’expressivité, ce qui en fait l’idéal pour les livres audio, le doublage professionnel et la création de contenu exigeant des textures vocales nuancées. Cette approche double répond aux exigences de vitesse et de qualité au sein d’une seule gamme de produits.
En faisant du langage naturel l’interface principale pour le contrôle vocal, Qwen fait progresser le domaine de la synthèse vocale, transformant une tâche d’ingénierie spécialisée en un outil accessible aux utilisateurs quotidiens.
Article connexe
La fonctionnalité de coworking de Claude se souvient désormais de vos instructions de chat passées
La mise à jour du système de mémoire de Claude par Anthropic supprime un point de friction majeur dans l’utilisation des agents d’IA : la nécessité répétée de réexpliquer le contexte que l’IA conserve déjà. En fusionnant les architectures de mémoire
Chen Tianqiao revient après neuf ans, investissant 2 milliards de dollars dans l'IA axée sur la découverte
Du magnat du jeu vidéo au pionnier de la conscience : Le retour d'un ancien milliardaireAprès neuf années de retraite, le fondateur du groupe Shanda, Chen Tianqiao, a accordé sa première interview internationale aux médias en mars 2026. Ancien plus
Les menus générés par l'IA atteignent une esthétique de la perfection, provoquant une réaction de vallée étrange dans les photos de nourriture
L’intelligence artificielle générative redéfinit la conception des menus de restaurant, mais sa poussée vers une « esthétique parfaite » crée un paysage visuel homogénéisé qui suscite de nouvelles inquiétudes quant à l’expérience culinaire. Un nombre
Recommandations de sujets spéciaux liés
commentaires (0)

La concurrence dans le domaine de la technologie vocale entre les principaux développeurs d’intelligence artificielle s’est intensifiée avec l’arrivée d’un nouvel acteur. Le 20 juillet, Qwen a publié son dernier modèle de synthèse audio, Qwen-Audio-3.0-TTS, déplaçant le contrôle depuis des configurations techniques complexes vers de simples commandes en langage naturel.
La caractéristique principale de ce modèle réside dans sa capacité à accepter des instructions en langage naturel libres. Auparavant, obtenir des tons, rythmes ou styles spécifiques nécessitait l’ajustement de nombreux paramètres backend. Désormais, les utilisateurs peuvent simplement décrire le résultat audio souhaité dans un langage courant, permettant au modèle de générer la voix correspondante et abaissant considérablement la barrière d’utilisation.
Qwen propose deux versions distinctes adaptées à différents cas d’usage. La version Flash est optimisée pour l’interaction en temps réel, réduisant la latence initiale à environ 300 millisecondes. Cette réponse quasi instantanée prend en charge les questions-réponses en temps réel, les assistants vocaux et d’autres applications sensibles à la latence. Parallèlement, la version Plus privilégie la fidélité audio et l’expressivité, ce qui en fait l’idéal pour les livres audio, le doublage professionnel et la création de contenu exigeant des textures vocales nuancées. Cette approche double répond aux exigences de vitesse et de qualité au sein d’une seule gamme de produits.
En faisant du langage naturel l’interface principale pour le contrôle vocal, Qwen fait progresser le domaine de la synthèse vocale, transformant une tâche d’ingénierie spécialisée en un outil accessible aux utilisateurs quotidiens.
La fonctionnalité de coworking de Claude se souvient désormais de vos instructions de chat passées
La mise à jour du système de mémoire de Claude par Anthropic supprime un point de friction majeur dans l’utilisation des agents d’IA : la nécessité répétée de réexpliquer le contexte que l’IA conserve déjà. En fusionnant les architectures de mémoire
Chen Tianqiao revient après neuf ans, investissant 2 milliards de dollars dans l'IA axée sur la découverte
Du magnat du jeu vidéo au pionnier de la conscience : Le retour d'un ancien milliardaireAprès neuf années de retraite, le fondateur du groupe Shanda, Chen Tianqiao, a accordé sa première interview internationale aux médias en mars 2026. Ancien plus
Les menus générés par l'IA atteignent une esthétique de la perfection, provoquant une réaction de vallée étrange dans les photos de nourriture
L’intelligence artificielle générative redéfinit la conception des menus de restaurant, mais sa poussée vers une « esthétique parfaite » crée un paysage visuel homogénéisé qui suscite de nouvelles inquiétudes quant à l’expérience culinaire. Un nombre











