Qwen-Audio-3.1

概要

• 音声認識、音声合成、リアルタイム会話、オーディオ理解、音声コンテンツ生成を一つにまとめた、開発者向けの音声AI基盤です。
• 多言語・方言対応から音声や効果音の生成まで、音声を扱うさまざまなアプリケーションの開発に活用できます。

主な特徴

• ASRは多言語・方言の音声認識に対応し、対応モデルでは話者分離も可能です。ASR-Nextはキャプション生成、イベント特定、音声QA、推論を支援します。
• TTSは感情や話し方、速度などを制御した多言語・クロスリンガル音声合成に対応し、TTS-Nextでは音声・効果音・背景音も生成できます。
• リアルタイム機能では、割り込みに対応した全二重の音声会話に加え、関数呼び出しやウェブ検索を組み込めます。

こんな人におすすめ

• 音声アシスタント、文字起こし、会話型アプリケーションなど、音声を中心としたプロダクトを開発するエンジニア。
• 動画や音声コンテンツの制作、吹き替え、効果音生成など、クリエイティブ用途で音声AIを活用したいチーム。