Qwen представила модель синтеза речи Qwen-Audio-3.1-TTS

Компания Alibaba выпустила Qwen-Audio-3.1-TTS, новую модель синтеза речи, которая поддерживает клонирование голоса и детальное управление эмоциональной подачей. Технология работает на 16 языках, среди которых присутствует и русский.

Главной особенностью новинки стало текстовое управление характеристиками речи. Пользователи могут попросить искусственный интеллект говорить быстрее, тише, испуганно или в манере радиоведущего. Кроме того, система включает 86 специальных тегов для добавления смеха, вздохов, дыхания и пауз.

Для процедуры клонирования достаточно предоставить короткий аудиопример. Модель успешно справляется с зашумленными записями и способна сохранять узнаваемый тембр при смене языка. За один проход алгоритм способен сгенерировать до трех минут качественной речи с частотой до 48 кГц.

Появление такой системы делает процесс озвучки гибким и доступным без сложного студийного оборудования.