Lar
O Tongyi Qianwen Qwen-Audio-3.0-TTS entra em operação com atraso do primeiro pacote de 300 ms e 20 dialetos
A equipe do Alibaba Qwen lançou o novo modelo de síntese de fala em tempo real Qwen-Audio-3.0-TTS, levando a síntese de fala da geração básica para a verdadeira expressão. A versão Plus agora ocupa o primeiro lugar globalmente no Speech Arena, um renomado benchmark da Artificial Analysis, superando o Gemini 3.1 TTS, o ElevenLabs v3 e outros modelos importantes.

Estão disponíveis duas versões: a versão Flash é voltada para interação em tempo real com uma latência inicial de cerca de 300 ms, ideal para assistentes inteligentes e outros casos de uso que exigem baixa latência; a versão Plus prioriza a geração de alta qualidade, oferecendo maior naturalidade e semelhança vocal.
Quatro avanços importantes nas capacidades principais:
Primeiro, o suporte a vários idiomas e dialetos foi ampliado para 16 idiomas, com a versão Plus atingindo uma similaridade média do locutor de 82,75% em todos os 16 idiomas — a mais alta do setor. Ela também abrange 20 dialetos chineses, mantendo as características autênticas dos dialetos em vez de enfraquecê-las, para expressões mais semelhantes às de um falante nativo.
Em segundo lugar, instruções flexíveis em linguagem natural permitem que os usuários gerem fala precisa com comandos como “tom gentil de atendimento ao cliente” ou “estilo de apresentador de transmissão ao vivo”, sem a necessidade de anotações profissionais.
Em terceiro lugar, o controle refinado de tags suporta tags estruturadas, como [suspiro] e [irritado], permitindo o gerenciamento preciso de detalhes não verbais, como respiração e risadas — adequado para jogos, audiolivros e cenários semelhantes.
Em quarto lugar, forte robustez acústica: mesmo que o áudio de referência contenha alto nível de ruído ou reverberação, o modelo filtra automaticamente o ruído de fundo ao preservar a qualidade da voz, garantindo uma saída de síntese estável.
A biblioteca de vozes premium que acompanha o modelo inclui vários tipos de voz — instruções, dialetos e idiomas menos utilizados —, suporta saída de áudio de alta definição a 48K (com lançamento previsto para 24 de julho) e pode sintetizar até 3 minutos de texto longo por sessão. O modelo já está totalmente disponível na plataforma BaiLian da Alibaba Cloud, onde os desenvolvedores podem acessá-lo e testá-lo, abrindo novas possibilidades na interação por voz.

Artigo relacionado
Preview do Qwen3.5-Max lidera o LMArena à medida que os modelos de IA da China alcançam o primeiro lugar global
Em 20 de março, as mais recentes classificações da plataforma autorizada de testes cegos de grandes modelos LMArena revelaram que o mais novo modelo de pré-visualização de ponta da série Qwen da Alibaba, Qwen3.5-Max-Preview, apresentou desempenho exc
Startup apoiada por Marc Benioff visa resolver desafios na implantação de IA
As grandes empresas enfrentam desafios tão elevados na implementação de ferramentas de IA confiáveis que surgem equipes inteiras de engenheiros implantados diretamente no campo — especialistas embutidos dentro das empresas clientes para operacionaliz
A AliVideo revela o Wan3.0, oferecendo geração de vídeos ultra-longos e consistência multidimensional
Em 24 de agosto, a Alibaba apresentou o Wan3.0, seu mais recente modelo de geração de vídeo em larga escala. Este lançamento representa um grande avanço na tecnologia de vídeo da Alibaba, proporcionando melhorias significativas na duração, criação un
Recomendações de tópicos especiais relacionados
Comentários (0)
A equipe do Alibaba Qwen lançou o novo modelo de síntese de fala em tempo real Qwen-Audio-3.0-TTS, levando a síntese de fala da geração básica para a verdadeira expressão. A versão Plus agora ocupa o primeiro lugar globalmente no Speech Arena, um renomado benchmark da Artificial Analysis, superando o Gemini 3.1 TTS, o ElevenLabs v3 e outros modelos importantes.

Estão disponíveis duas versões: a versão Flash é voltada para interação em tempo real com uma latência inicial de cerca de 300 ms, ideal para assistentes inteligentes e outros casos de uso que exigem baixa latência; a versão Plus prioriza a geração de alta qualidade, oferecendo maior naturalidade e semelhança vocal.
Quatro avanços importantes nas capacidades principais:
Primeiro, o suporte a vários idiomas e dialetos foi ampliado para 16 idiomas, com a versão Plus atingindo uma similaridade média do locutor de 82,75% em todos os 16 idiomas — a mais alta do setor. Ela também abrange 20 dialetos chineses, mantendo as características autênticas dos dialetos em vez de enfraquecê-las, para expressões mais semelhantes às de um falante nativo.
Em segundo lugar, instruções flexíveis em linguagem natural permitem que os usuários gerem fala precisa com comandos como “tom gentil de atendimento ao cliente” ou “estilo de apresentador de transmissão ao vivo”, sem a necessidade de anotações profissionais.
Em terceiro lugar, o controle refinado de tags suporta tags estruturadas, como [suspiro] e [irritado], permitindo o gerenciamento preciso de detalhes não verbais, como respiração e risadas — adequado para jogos, audiolivros e cenários semelhantes.
Em quarto lugar, forte robustez acústica: mesmo que o áudio de referência contenha alto nível de ruído ou reverberação, o modelo filtra automaticamente o ruído de fundo ao preservar a qualidade da voz, garantindo uma saída de síntese estável.
A biblioteca de vozes premium que acompanha o modelo inclui vários tipos de voz — instruções, dialetos e idiomas menos utilizados —, suporta saída de áudio de alta definição a 48K (com lançamento previsto para 24 de julho) e pode sintetizar até 3 minutos de texto longo por sessão. O modelo já está totalmente disponível na plataforma BaiLian da Alibaba Cloud, onde os desenvolvedores podem acessá-lo e testá-lo, abrindo novas possibilidades na interação por voz.

Preview do Qwen3.5-Max lidera o LMArena à medida que os modelos de IA da China alcançam o primeiro lugar global
Em 20 de março, as mais recentes classificações da plataforma autorizada de testes cegos de grandes modelos LMArena revelaram que o mais novo modelo de pré-visualização de ponta da série Qwen da Alibaba, Qwen3.5-Max-Preview, apresentou desempenho exc
Startup apoiada por Marc Benioff visa resolver desafios na implantação de IA
As grandes empresas enfrentam desafios tão elevados na implementação de ferramentas de IA confiáveis que surgem equipes inteiras de engenheiros implantados diretamente no campo — especialistas embutidos dentro das empresas clientes para operacionaliz
A AliVideo revela o Wan3.0, oferecendo geração de vídeos ultra-longos e consistência multidimensional
Em 24 de agosto, a Alibaba apresentou o Wan3.0, seu mais recente modelo de geração de vídeo em larga escala. Este lançamento representa um grande avanço na tecnologia de vídeo da Alibaba, proporcionando melhorias significativas na duração, criação un











