Алі опублікувала Qwen-Audio-3.0-Realtime, голосовий ШІ самостійно викликатиме інструменти, щоб виконувати завдання

robot
Генерація анотацій у процесі
За даними моніторингу Beating, Alibaba опублікувала модель реального часу для голосу Qwen-Audio-3.0-Realtime. Вона може відповідати в масштабі мілісекунд, а також у діалозі здатна самостійно викликати зовнішні інструменти на кшталт карт, API, MCP та баз знань.

Користувачеві не обов’язково чітко промовляти «виклик інструментів». Наприклад, спочатку запитати про найближчі заклади сичуаньської кухні, а потім — який із них має вищу оцінку і знаходиться ближче; модель запам’ятає результат попереднього запиту та продовжить пошук і відповідь.

Модель також може одночасно говорити й слухати, дозволяючи користувачеві в будь-який момент перервати її. У шумному середовищі або під час розмови кількох людей вона намагатиметься розпізнати основного мовця, зменшуючи ймовірність того, що її помилково переб’ють фонові звуки.

Голос також буде коригувати інтонацію, ритм і емоції залежно від контексту. Офіційно доступні Plus-версія з більшою силою міркування та Flash-версія з швидшими відповідями; наразі вони вже вийшли в Alibaba Cloud Bailian.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • Прокоментувати
  • Репост
  • Поділіться
Прокоментувати
Додати коментар
Додати коментар
Немає коментарів
  • Закріплено