A Alibaba lança o Qwen-Audio-3.0-Realtime, e a IA de voz vai chamar ferramentas proativamente para resolver tarefas

robot
Geração do resumo em andamento
De acordo com o monitoramento Beating, a Alibaba lançou o modelo de voz em tempo real Qwen-Audio-3.0-Realtime. Ele consegue responder em nível de milissegundos e também pode, durante a conversa, chamar ativamente ferramentas externas como mapas, APIs, MCP e bases de conhecimento.

Os usuários não precisam dizer explicitamente “chamar ferramentas”. Por exemplo, ao perguntar primeiro sobre restaurantes de Sichuan perto dali e depois perguntar quais têm as melhores avaliações e ficam mais perto, o modelo se lembra do resultado da consulta anterior e continua a buscar e responder.

O modelo também consegue falar enquanto ouve, permitindo que o usuário interrompa a qualquer momento. Em ambientes barulhentos ou em conversas entre várias pessoas, ele tenta identificar o principal interlocutor, reduzindo interrupções acidentais causadas por sons do ambiente.

A voz também ajusta o tom, o ritmo e a emoção conforme o contexto. A versão Plus, com capacidades de inferência mais fortes, e a versão Flash, com respostas mais rápidas, já foram disponibilizadas e atualmente já estão no ar no Alibaba Cloud Bailian.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
  • Recompensa
  • Comentário
  • Repostar
  • Compartilhar
Comentário
Adicionar um comentário
Adicionar um comentário
Sem comentários
  • Fixado