Как сообщает IT Home, 17 августа Alibaba Cloud объявила о запуске серии голосовых моделей Qwen-Audio-3.0 на платформах Qwen AI и Alibaba Cloud Bailian. Разработчики могут работать с моделями через API или оформить подписку на Token Plan.
В серию вошли три модели. Qwen-Audio-3.0-ASR преобразует речь в текст, распознавая сложный контекст и профессиональную лексику. Qwen-Audio-3.0-TTS отвечает за синтез речи, поддерживает несколько языков и диалектов, а также позволяет управлять эмоциями, тоном и темпом.
Qwen-Audio-3.0-Realtime предназначена для голосовых диалогов в реальном времени. Модель поддерживает сквозное понимание речи и диалог, может одновременно слушать и говорить. Пользователь также может прервать ответ уточняющим вопросом или вызвать инструменты.
По данным Alibaba Cloud, в июльском рейтинге Artificial Analysis серия заняла первое место в мире по распознаванию речи, синтезу речи и взаимодействию в реальном времени. Модели уже используются в Qwen App, Qwen Office и Qoder.
Ключевые факты
В серию входят Qwen-Audio-3.0-ASR, Qwen-Audio-3.0-TTS и Qwen-Audio-3.0-Realtime.
По данным Alibaba Cloud, серия заняла первое место в трех направлениях июльского голосового рейтинга Artificial Analysis.
Qwen-Audio-3.0-Realtime поддерживает прерывание ответа уточняющими вопросами и вызов инструментов.
Модели уже применяются в Qwen App, Qwen Office и Qoder.
Вопросы и ответы
- Как разработчикам подключить модели?
Доступ открыт через API на Alibaba Cloud Bailian; также можно оформить Token Plan.
- Какую модель выбрать под конкретную задачу?
Qwen-Audio-3.0-ASR преобразует речь в текст, TTS синтезирует речь на нескольких языках и диалектах с управлением эмоциями, тоном и темпом, а Realtime предназначена для голосовых диалогов в реальном времени.
- Что Qwen-Audio-3.0-Realtime меняет в голосовых сценариях?
Модель может одновременно слушать и говорить, допускает прерывание ответа уточняющим вопросом и умеет вызывать инструменты. Эти возможности уже используются в Qwen App, Qwen Office и Qoder.
Контекст по теме
- OpenAI выпустила модели GPT-Live-Transcribe и GPT-Transcribe для распознавания речи29 июля 2026 г.
- Alibaba Qwen обновила модель распознавания речи Fun-ASR-Realtime с поддержкой 30 языков и 16 диалектов6 июля 2026 г.
- Mobvoi и WeCom представили версию TicNote для записи и разбора рабочих встреч6 июля 2026 г.
- Alibaba показала набор моделей Qwen-Robot Suite для управления роботами17 июня 2026 г.