Lar
Qwen-Audio-3.0-TTS: O modelo de síntese de voz em larga escala da Qwen reduz o atraso do primeiro pacote para 300ms

A competição em tecnologia de voz entre os principais desenvolvedores de IA se intensificou com uma nova entrada. Em 20 de julho, o Qwen lançou seu mais recente modelo de síntese de áudio, Qwen-Audio-3.0-TTS, transferindo o controle de configurações técnicas complexas para comandos simples em linguagem natural.
O recurso mais destacado deste modelo é sua capacidade de aceitar instruções em linguagem natural de forma livre. Anteriormente, para alcançar tons, ritmos ou estilos específicos, era necessário ajustar diversos parâmetros de back-end. Agora, os usuários podem simplesmente descrever o resultado de áudio desejado em linguagem cotidiana, permitindo que o modelo gere a voz correspondente e reduza significativamente a barreira de uso.
O Qwen oferece duas versões distintas adaptadas a diferentes casos de uso. A versão Flash é otimizada para interação em tempo real, reduzindo a latência inicial para aproximadamente 300 milissegundos. Essa resposta quase instantânea suporta perguntas e respostas em tempo real, assistentes de voz e outras aplicações sensíveis à latência. Enquanto isso, a versão Plus prioriza a fidelidade e a expressividade do áudio, tornando-a ideal para audiolivros, dublagem profissional e criação de conteúdo que exige texturas vocais sutis. Essa abordagem dupla atende tanto aos requisitos de velocidade quanto aos de qualidade dentro de uma única linha de produtos.
Ao tornar a linguagem natural a interface principal para o controle por voz, o Qwen avança no campo da síntese de fala, transformando-a de uma tarefa especializada de engenharia em uma ferramenta acessível para usuários cotidianos.
Artigo relacionado
O executivo da Apple, John Ternus, afirma que o iPhone é o melhor dispositivo de IA
O futuro CEO da Apple, John Ternus, esclareceu a estratégia de inteligência artificial da empresa durante o evento Surprise and Shine desta quarta-feira, afirmando que o iPhone já é o dispositivo de IA de ponta e priorizando a privacidade dos dados d
O recurso de cowork do Claude agora recupera suas instruções anteriores de chat
A atualização do sistema de memória do Claude, pela Anthropic, elimina um grande ponto de atrito no uso de agentes de IA: a necessidade repetitiva de reexplicar o contexto que a IA já retém. Ao fundir as arquiteturas de memória do chat padrão e do Cl
Chen Tianqiao retorna após nove anos, investindo US$ 2 bilhões em IA orientada por descoberta
De Magnata do Jogo a Pioneiro da Consciência: O Retorno de um Bilionista AntigoApós nove anos de aposentadoria, o fundador do Grupo Shanda, Chen Tianqiao, concedeu sua primeira entrevista internacional à imprensa em março de 2026. Uma vez o bilionis
Recomendações de tópicos especiais relacionados
Comentários (0)

A competição em tecnologia de voz entre os principais desenvolvedores de IA se intensificou com uma nova entrada. Em 20 de julho, o Qwen lançou seu mais recente modelo de síntese de áudio, Qwen-Audio-3.0-TTS, transferindo o controle de configurações técnicas complexas para comandos simples em linguagem natural.
O recurso mais destacado deste modelo é sua capacidade de aceitar instruções em linguagem natural de forma livre. Anteriormente, para alcançar tons, ritmos ou estilos específicos, era necessário ajustar diversos parâmetros de back-end. Agora, os usuários podem simplesmente descrever o resultado de áudio desejado em linguagem cotidiana, permitindo que o modelo gere a voz correspondente e reduza significativamente a barreira de uso.
O Qwen oferece duas versões distintas adaptadas a diferentes casos de uso. A versão Flash é otimizada para interação em tempo real, reduzindo a latência inicial para aproximadamente 300 milissegundos. Essa resposta quase instantânea suporta perguntas e respostas em tempo real, assistentes de voz e outras aplicações sensíveis à latência. Enquanto isso, a versão Plus prioriza a fidelidade e a expressividade do áudio, tornando-a ideal para audiolivros, dublagem profissional e criação de conteúdo que exige texturas vocais sutis. Essa abordagem dupla atende tanto aos requisitos de velocidade quanto aos de qualidade dentro de uma única linha de produtos.
Ao tornar a linguagem natural a interface principal para o controle por voz, o Qwen avança no campo da síntese de fala, transformando-a de uma tarefa especializada de engenharia em uma ferramenta acessível para usuários cotidianos.
O executivo da Apple, John Ternus, afirma que o iPhone é o melhor dispositivo de IA
O futuro CEO da Apple, John Ternus, esclareceu a estratégia de inteligência artificial da empresa durante o evento Surprise and Shine desta quarta-feira, afirmando que o iPhone já é o dispositivo de IA de ponta e priorizando a privacidade dos dados d
O recurso de cowork do Claude agora recupera suas instruções anteriores de chat
A atualização do sistema de memória do Claude, pela Anthropic, elimina um grande ponto de atrito no uso de agentes de IA: a necessidade repetitiva de reexplicar o contexto que a IA já retém. Ao fundir as arquiteturas de memória do chat padrão e do Cl
Chen Tianqiao retorna após nove anos, investindo US$ 2 bilhões em IA orientada por descoberta
De Magnata do Jogo a Pioneiro da Consciência: O Retorno de um Bilionista AntigoApós nove anos de aposentadoria, o fundador do Grupo Shanda, Chen Tianqiao, concedeu sua primeira entrevista internacional à imprensa em março de 2026. Uma vez o bilionis











