Qwen-Audio-3.0-TTS

این مدل چیست؟

Qwen-Audio-3.0-TTS مدل گفتار نسل ۳.۰ Qwen-Audio از Alibaba است که نسخهٔ Plus آن برای کیفیت بالا و نسخهٔ Flash برای تأخیر حدود ۳۰۰ میلی‌ثانیه است و Plus هنگام عرضه صدر جدول صداهای سرویس‌دهنده‌ها در Artificial Analysis بود. سبک گفتن را با دستور متنی و تگ‌هایی مثل [angry] کنترل می‌کند و صدا را حتی از نمونهٔ پرنویز شبیه‌سازی می‌کند. مدل بسته است، از طریق Alibaba Cloud Model Studio در دسترس است و ۱۶ زبان دارد، اما فارسی در منابع رسمی تأیید نشده است.

کجا می‌شود از آن استفاده کرد؟

فعلاً ابزاری در هوش یاب این مدل را ارائه نمی‌دهد.

مدل‌های دیگر علی‌بابا کلود