「同易前文 Qwen-Audio-3.0-TTS」正式上線,具備 300 毫秒首包延遲,支援 20 種方言
阿里巴巴 Qwen 團隊推出了全新的即時語音合成模型 Qwen-Audio-3.0-TTS,將語音合成從基礎生成提升至真正的表達層次。 其 Plus 版本目前在 Artificial Analysis 備受推崇的基準測試平台「Speech Arena」中位居全球榜首,表現優於 Gemini 3.1 TTS、ElevenLabs v3 及其他主要模型。

目前提供兩個版本:Flash 版本專為即時互動設計,初始延遲約 300 毫秒,非常適合智慧助理及其他低延遲應用場景;Plus 版本則著重高品質生成,提供更自然的語音表現與更高的聲音相似度。
核心能力方面有四大關鍵突破:
首先,多語言與方言支援已擴展至 16 種語言,其中 Plus 版本在所有 16 種語言中均達到 82.75% 的平均發音者相似度——此為業界最高水準。此外,該版本還涵蓋 20 種中文方言,在生成語音時能保留真實的方言特徵而非淡化其特色,從而呈現更接近母語者的表達方式。
其次,靈活的自然語言指令讓使用者能透過「溫和的客服語氣」或「直播主持人風格」等提示生成精準語音,無需專業標註。
第三,細粒度標籤控制支援 [gasp] 和 [angry] 等結構化標籤,可精準管理呼吸與笑聲等非語言細節——適用於遊戲、有聲書及類似情境。
第四,具備強大的聲學魯棒性:即使參考音訊含有高噪音或混響,模型仍能自動過濾背景噪音並保留語音品質,確保穩定的合成輸出。
隨附的 premium 語音庫涵蓋多種語音類型——包括指令語、方言及較少使用的語言——支援 48K 高解析度音訊輸出(預計於 7 月 24 日開放),且每次合成可處理長達 3 分鐘的長篇文本。 該模型現已於阿里雲「百聯」平台全面上線,開發者可前往存取並試用,為語音互動開闢嶄新可能性。

相關文章
OpenAI 的 Jev 克隆體可能幫助前沿實驗室控制叢集智慧體
在週二 OpenAI 開發者大會(Dev Day)上,最令人矚目的公告之一,是執行長 Sam Altman 關於公司推出新的“Decisions API”(決策 API)的簡短宣告。該 API 似乎提供了與 Jev 類似的功能,Jev 是 TypeSafe AI 本月早些時候專門針對軟體自動化推出的模型。作為一個由大語言模型(LLM)驅動的高速、低成本分類器,Jev 允許開發者輸入一組選項,並快速獲得基於機率的輸出結果。OpenAI 的 Decisions API 似乎服務於相同的目的。
騰訊釋出企鵝顯微鏡,一個整合需求釋出、智慧匹配和結算功能的 AI 驅動創作者訂單平臺
騰訊推出了“企鵝微”(Penguin Micro),這是微信內一個全新的匹配平臺,旨在將AI內容創作者與尋求創意服務的使用者連線起來。該平臺以“陳述您的需求,我們將為您匹配最合適的創意夥伴”為口號,目前正處於國慶假期期間的早期開放階段。公眾可以訪問該平臺,但全面上線日期尚未確定。企鵝微作為一個AI生成內容的交易市場,連線著兩類關鍵使用者群體:需求方,例如需要產品視覺素材和宣傳影片的電商企業,以及需要短影片內容的個人和團隊;以及創作者(Artisans),即具備AI影象生成和影片編輯能力的創作者。要成
ChatGPT 獲得重大升級,可精確克隆個人寫作風格
AI 正從通用工具演變為真正理解您需求的個性化辦公夥伴。專為企業和專業環境打造的 ChatGPT Work 最近進行了重大功能升級。其最突出的功能是可以深入分析並準確複製使用者獨特的寫作語氣,大幅降低內容創作和編輯成本。多維特徵提取與隱私安全保障具體而言,更新後的 ChatGPT Work 與主流辦公平臺無縫整合。在獲得使用者授權後,系統掃描並分析相關賬戶中的歷史資料,以提取獨特的語言習慣、表達模式和詞彙偏好。為了在效率與隱私之間取得平衡,該功能採用了先進的多層神經網路。系統在處理資料時不儲存
相關專題推薦
評論 (0)
0/500
阿里巴巴 Qwen 團隊推出了全新的即時語音合成模型 Qwen-Audio-3.0-TTS,將語音合成從基礎生成提升至真正的表達層次。 其 Plus 版本目前在 Artificial Analysis 備受推崇的基準測試平台「Speech Arena」中位居全球榜首,表現優於 Gemini 3.1 TTS、ElevenLabs v3 及其他主要模型。

目前提供兩個版本:Flash 版本專為即時互動設計,初始延遲約 300 毫秒,非常適合智慧助理及其他低延遲應用場景;Plus 版本則著重高品質生成,提供更自然的語音表現與更高的聲音相似度。
核心能力方面有四大關鍵突破:
首先,多語言與方言支援已擴展至 16 種語言,其中 Plus 版本在所有 16 種語言中均達到 82.75% 的平均發音者相似度——此為業界最高水準。此外,該版本還涵蓋 20 種中文方言,在生成語音時能保留真實的方言特徵而非淡化其特色,從而呈現更接近母語者的表達方式。
其次,靈活的自然語言指令讓使用者能透過「溫和的客服語氣」或「直播主持人風格」等提示生成精準語音,無需專業標註。
第三,細粒度標籤控制支援 [gasp] 和 [angry] 等結構化標籤,可精準管理呼吸與笑聲等非語言細節——適用於遊戲、有聲書及類似情境。
第四,具備強大的聲學魯棒性:即使參考音訊含有高噪音或混響,模型仍能自動過濾背景噪音並保留語音品質,確保穩定的合成輸出。
隨附的 premium 語音庫涵蓋多種語音類型——包括指令語、方言及較少使用的語言——支援 48K 高解析度音訊輸出(預計於 7 月 24 日開放),且每次合成可處理長達 3 分鐘的長篇文本。 該模型現已於阿里雲「百聯」平台全面上線,開發者可前往存取並試用,為語音互動開闢嶄新可能性。

OpenAI 的 Jev 克隆體可能幫助前沿實驗室控制叢集智慧體
在週二 OpenAI 開發者大會(Dev Day)上,最令人矚目的公告之一,是執行長 Sam Altman 關於公司推出新的“Decisions API”(決策 API)的簡短宣告。該 API 似乎提供了與 Jev 類似的功能,Jev 是 TypeSafe AI 本月早些時候專門針對軟體自動化推出的模型。作為一個由大語言模型(LLM)驅動的高速、低成本分類器,Jev 允許開發者輸入一組選項,並快速獲得基於機率的輸出結果。OpenAI 的 Decisions API 似乎服務於相同的目的。
騰訊釋出企鵝顯微鏡,一個整合需求釋出、智慧匹配和結算功能的 AI 驅動創作者訂單平臺
騰訊推出了“企鵝微”(Penguin Micro),這是微信內一個全新的匹配平臺,旨在將AI內容創作者與尋求創意服務的使用者連線起來。該平臺以“陳述您的需求,我們將為您匹配最合適的創意夥伴”為口號,目前正處於國慶假期期間的早期開放階段。公眾可以訪問該平臺,但全面上線日期尚未確定。企鵝微作為一個AI生成內容的交易市場,連線著兩類關鍵使用者群體:需求方,例如需要產品視覺素材和宣傳影片的電商企業,以及需要短影片內容的個人和團隊;以及創作者(Artisans),即具備AI影象生成和影片編輯能力的創作者。要成
ChatGPT 獲得重大升級,可精確克隆個人寫作風格
AI 正從通用工具演變為真正理解您需求的個性化辦公夥伴。專為企業和專業環境打造的 ChatGPT Work 最近進行了重大功能升級。其最突出的功能是可以深入分析並準確複製使用者獨特的寫作語氣,大幅降低內容創作和編輯成本。多維特徵提取與隱私安全保障具體而言,更新後的 ChatGPT Work 與主流辦公平臺無縫整合。在獲得使用者授權後,系統掃描並分析相關賬戶中的歷史資料,以提取獨特的語言習慣、表達模式和詞彙偏好。為了在效率與隱私之間取得平衡,該功能採用了先進的多層神經網路。系統在處理資料時不儲存





首頁






