Alibaba, Qwen Audio 3.1’i duyurdu: beş yeni model ve ses API fiyatlarında yüzde 95’e varan indirim

Alibaba’nın Qwen ekibi, konuşma tanıma, metinden sese dönüştürme ve gerçek zamanlı sesli etkileşimi kapsayan beş modellik Qwen Audio 3.1 ailesini yayınladı. Duyuruyla birlikte şirket ses API’lerinin fiyatlarını sert biçimde düşürdü: metinden sese dönüştürme yaklaşık yüzde 70, gerçek zamanlı model yüzde 85, konuşma tanıma ise yüzde 95’e kadar ucuzladı.

Beş model ne yapıyor

Temel konuşma tanıma modeli (ASR), çok dilli ve lehçe tanımayı iyileştiriyor ve dolgu sözcükleriyle tekrarları otomatik olarak temizliyor; bu, mülakatların, çağrıların ve toplantı kayıtlarının ağır bir son işleme gerekmeden yazıya dökülmesi için önemli. ASR-Next ise bir adım öteye gidiyor: zaman damgalarıyla birden fazla konuşmacıyı tanımlıyor, ayrıca duyguları, ortam seslerini ve makine gürültüsünü algılıyor.

Sentez tarafında TTS modeli, Qwen’in doğal diller arası ses aktarımı dediği yetenekle çok dilli konuşma üretiyor. Duygu, hız ve üslup basit metin komutlarıyla ayarlanıyor; örneğin: “Bunu saygı talep eden keskin, emredici bir tonla oku.” TTS-Next ise bir dil modelini difüzyon yaklaşımıyla birleştirerek sesi, ses efektlerini ve arka plan sesini tek geçişte üretiyor.

Beşinci model gerçek zamanlı etkileşime odaklanıyor: aynı anda hem dinliyor hem konuşuyor ve anında sözünü kesmeye izin veriyor. Qwen’e göre model düşük bir ruh hali algıladığında daha yavaş ve daha fazla empatiyle yanıt veriyor.

Fiyatlarda yüzde 95’e varan indirim

Duyurunun en çarpıcı kısmı fiyat indirimleri. Sesli ürünlerde genellikle en yüksek hacimli iş yükü olan konuşma tanıma yüzde 95’e kadar ucuzlarken, gerçek zamanlı model yaklaşık yüzde 85, metinden sese dönüştürme ise yüzde 70 geriledi. Büyük ölçekli transkripsiyon veya sesli ajanlar işleten ekipler için bu, ses hatlarını kesintisiz çalıştırmanın ekonomisini değiştiriyor.

Qwen teknik ayrıntıları kendi blogunda yayımladı; modeller ise Qwen Cloud üzerinde Qwen Audio 3.1 adıyla sunuluyor.

Neden önemli

Sesli arayüzler yapay zekâ yığınının en rekabetçi katmanlarından biri hâline geldi ve sağlayıcılar kalite kadar fiyatta da yarışıyor. Tanıma ve gerçek zamanlı API’lerde bu ölçekte bir indirim diğer oyuncular için çıtayı yükseltiyor ve sürekli açık ses özelliklerini — çağrı merkezlerini, asistanları, erişilebilirlik araçlarını — işletmesi daha ucuz hâle getiriyor.