アリババがQwen-Audio-3.0-Realtimeを発表。音声AIは自らツールを呼び出して用事を処理する

robot
概要作成中
動きの監視・観測(Beating 監测)に関する発表として、Alibaba はリアルタイム音声モデル「Qwen-Audio-3.0-Realtime」を公開しました。ミリ秒単位で応答でき、会話の中で地図、API、MCP、ナレッジベースなどの外部ツールを能動的に呼び出すことも可能です。

ユーザーは「ツールを呼び出す」と明確に言う必要はありません。たとえばまず近くの四川料理店を聞き、次に評価が高くて距離が近い店を聞くと、モデルは前回の検索結果を覚えており、検索を続けて回答します。

モデルは話しながら聞くこともでき、ユーザーはいつでも中断できます。騒がしい環境や複数人の会話では、主要な話者を特定しようとし、背景音に誤って中断されるのを減らします。

音声も、状況に応じて口調、テンポ、感情を調整します。公式では推論力がより高い Plus 版と、応答がより速い Flash 版が提供されており、現在は Alibaba Cloud 百炼(BaiLian)で提供が開始されています。
原文表示
このページには第三者のコンテンツが含まれている場合があり、情報提供のみを目的としております(表明・保証をするものではありません)。Gateによる見解の支持や、金融・専門的な助言とみなされるべきものではありません。詳細については免責事項をご覧ください。
  • 報酬
  • コメント
  • リポスト
  • 共有
コメント
コメントを追加
コメントを追加
コメントなし
  • ピン留め