Alibaba Cloud hebt die Sprachinteraktion mit zwei neuen KI-Modellen auf ein neues Level.
In Kürze
- Qwen3-TTS-VD-Flash ermöglicht individuelle Sprachgestaltung
- Qwen3-TTS-VC-Flash kann Stimmen aus nur drei Sekunden Audio imitieren
- Beide Modelle sind über die API von Alibaba Cloud zugänglich
Das Qwen-Team von Alibaba Cloud stellt neue KI-Modelle vor
Das Qwen-Team von Alibaba Cloud hat kürzlich zwei beeindruckende KI-Modelle vorgestellt, die die Art und Weise, wie wir mit Stimmen interagieren, auf ein neues Level heben. Wenn du schon immer mal eine Stimme nach deinen Vorstellungen gestalten oder sogar imitieren wolltest, dann sind diese Entwicklungen genau das Richtige für dich.
Qwen3-TTS-VD-Flash
Das erste Modell, Qwen3-TTS-VD-Flash, ermöglicht es dir, Stimmen durch einfache Textbeschreibungen zu kreieren. Du kannst dabei nicht nur die Stimme selbst gestalten, sondern auch Emotionen und Sprechtempo festlegen. Stell dir vor, du brauchst eine lebhafte Werbestimme, die schnell und kraftvoll spricht – kein Problem! Mit diesem Modell kannst du genau das umsetzen.
Qwen3-TTS-VC-Flash
Das zweite Modell, Qwen3-TTS-VC-Flash, geht noch einen Schritt weiter. Es kann Stimmen aus nur drei Sekunden Audio aufnehmen und diese in zehn verschiedenen Sprachen, darunter auch Deutsch, wiedergeben. Das Besondere daran? Diese Software ist präziser als viele andere Lösungen, die derzeit auf dem Markt sind. Und als ob das nicht schon beeindruckend genug wäre, kann sie sogar Tiergeräusche imitieren oder Stimmen aus Hintergrundgeräuschen herausfiltern.
Zugänglichkeit und Experimentiermöglichkeiten
Beide Modelle sind über die API von Alibaba Cloud zugänglich und können auf der Plattform Hugging Face ausprobiert werden. Wenn du also auf der Suche nach neuen Möglichkeiten bist, mit Stimmen zu experimentieren, solltest du dir diese Tools nicht entgehen lassen!
Quellen
- Quelle: Alibaba Cloud
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
