Qwen-Audio-3.1 çıktı: Alibaba'nın ses modelleri yazıya döküyor, seslendiriyor ve konuşuyor

Alibaba'nın Qwen ekibi, ses modeli ailesinin yeni sürümü Qwen-Audio-3.1'i duyurdu. Aile beş modelden oluşuyor ve sesle ilgili dört işi tek çatı altında topluyor: anlamak, üretmek, konuşmak ve içerik oluşturmak. Modeller Qwen Cloud ve Alibaba Cloud Model Studio üzerinden API ile kullanılıyor. Qwen, yeni sürümle birlikte fiyatlarda da büyük indirim yaptığını açıkladı.

Beş model

• ASR (konuşmayı yazıya dökme): Kısa konuşmaları çok dilli olarak yazıya çeviriyor. Qwen'in model sayfasına göre noktalama, metin düzeltme ve çok kişili konuşmalarda kimin konuştuğunu ayırma özellikleri var. Çin'in farklı lehçelerini de tanıyor.
• ASR-Next (yeni): Daha derin ses anlama modeli. Qwen'e göre konuşmacıları birbirinden ayırıyor, zaman damgası veriyor, konuşmadaki duyguyu ve ortam seslerini de tanıyor.
• TTS (metni seslendirme): Yazıyı doğal konuşmaya çeviren model, bu sürümde güncellendi.
• TTS-Next (yeni): Yalnız konuşma değil, bütün bir ses kaydı üretiyor. Metin, zamanlama ve örnek sesten; konuşmayı, ses efektlerini ve ortam seslerini tek seferde birleştiriyor. Podcast, çok kişili diyalog, kısa video, oyun ve film sesleri için tasarlandı.
• Realtime (canlı sohbet): Kullanıcıyla aynı anda dinleyip konuşabilen, gerçek zamanlı bir ses modeli. Sözünün kesilmesine uyum sağlıyor, kullanıcının sözünü bitirmesini bekliyor, gürültüyü ve çok kişili konuşmaları daha iyi ayırıyor. Çok dilli konuşabiliyor ve araç çağırarak şirketlerin bilgi bankalarına ve iş sistemlerine bağlanabiliyor. Müşteri hizmetleri ve sesli asistanlar için öneriliyor.

Nasıl kullanılır

Modeller Qwen Cloud'daki model sayfalarından API anahtarıyla çağrılıyor. Canlı sohbet modeli WebSocket üzerinden çalışıyor. Model sayfalarında örnek kodlar yer alıyor. Kullanıma göre ücretlendiriliyor, güncel fiyatlar Qwen Cloud'da yayımlanıyor.

Dikkat edilmesi gerekenler

• Qwen-Audio-3.1 bulut üzerinden API ile sunuluyor. Model dosyaları indirilemiyor, kendi sunucunuzda çalıştırılamıyor. Qwen'in daha önce açık model olarak yayımladığı Qwen3-TTS ayrı bir seri.
• Alibaba Cloud belgelerine göre TTS-Next şimdilik yalnız Çince ve İngilizce destekliyor.
• Sonuçları farklı açılardan görmek için bağımsız araştırmacıların değerlendirmelerini de takip edin.

Kaynaklar: Qwen duyurusu, Qwen Cloud: Qwen-Audio-3.1-Realtime, Qwen Cloud: Qwen-Audio-3.1-ASR, Alibaba Cloud: Qwen-Audio-3.1-TTS-Next.