Alibaba leader en synthèse vocale avec Qwen-Audio-3.0-TTS-Plus
Alibaba's Qwen-Audio-3.0-TTS-Plus mène le classement des synthèses vocales avec un score Elo de 1 236, devançant Simba 3.2 de SpeechifyAI. Le modèle propose deux versions : Flash pour les interactions en temps réel et Plus pour une qualité supérieure, supportant 16 langues.
« Alibaba's Qwen-Audio-3.0-TTS-Plus takes the top spot on Artificial Analysis' Text to Speech Leaderboard for provider voices, edging out SpeechifyAI's Simba 3.2 by just two Elo points. » — The Decoder
Que faut-il retenir ?
- Qwen-Audio-3.0-TTS-Plus a un score Elo de 1 236, devant Simba 3.2 (1 234).
- Le modèle supporte 16 langues, dont le tagalog, le malais et le thaï.
- La version Flash a une latence d'environ 300 ms, tandis que Plus vise une qualité supérieure.
- Le prix est de 27,60 $ par million de caractères via Alibaba Cloud Model Studio.
Pourquoi cette nouvelle compte-t-elle ?
Ce modèle positionne Alibaba comme un leader dans la synthèse vocale, offrant des fonctionnalités avancées comme le contrôle du style vocal et le support de langues moins communes. Cela impacte les développeurs et entreprises cherchant des solutions TTS performantes et polyvalentes.
1 236 points Elo pour Qwen-Audio-3.0-TTS-Plus
Public concerné : développeurs, entreprises
Quelles sont les fonctionnalités clés de Qwen-Audio-3.0-TTS-Plus ?
Le modèle supporte 16 langues, permet de contrôler le style vocal via des tags naturels, et propose deux versions : Flash pour les interactions en temps réel et Plus pour une qualité supérieure.
🔧 Outils mentionnés