A Alibaba lança o Qwen-Audio-3.0-Realtime e a IA de voz vai chamar ferramentas proactivamente para tratar de tarefas

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

Os utilizadores não precisam de dizer explicitamente “chamar ferramentas”. Por exemplo, primeiro perguntam por restaurantes de comida de Sichuan perto, e depois perguntam qual tem melhor avaliação e fica mais perto; o modelo memoriza o resultado da pesquisa anterior e continua a procurar e a responder.

O modelo também consegue falar enquanto ouve, permitindo que o utilizador o interrompa a qualquer momento. Em ambientes ruidosos ou em conversas entre várias pessoas, ele tentará identificar o orador principal, reduzindo a probabilidade de ser interrompido indevidamente por sons de fundo.

A voz ajusta igualmente o tom, o ritmo e a emoção de acordo com o contexto. A versão Plus, com capacidades de inferência mais fortes, e a versão Flash, com respostas mais rápidas, já estão disponíveis no Alibaba Cloud Bailian.
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
  • Recompensa
  • Comentar
  • Republicar
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
Nenhum comentário
  • Fixado