Três novos modelos para reconhecimento de voz e conversão de texto em voz estão agora disponíveis no Amazon SageMaker JumpStart
Hoje, a AWS anunciou a disponibilidade do Qwen3-TTS-12Hz-1.7B-CustomVoice, Qwen3-TTS-12Hz-1.7B-Base e Qwen3-ASR-1.7B no Amazon SageMaker JumpStart, expandindo o portfólio de modelos de base disponíveis para os clientes da AWS. Esses três modelos da Qwen oferecem recursos avançados de síntese e reconhecimento de voz em mais de dez idiomas, o que permite aos clientes criar aplicações inteligentes acionadas por voz na infraestrutura da AWS.
Usando recursos especializados, esses modelos abordam diferentes desafios de voz e áudio:
O Qwen3-TTS-12Hz-1.7B-CustomVoice se destaca na conversão de texto em voz multilíngue com estilos de voz personalizáveis, oferecendo suporte a dez idiomas e controle orientado por instruções sobre timbre, emoção e prosódia. É ideal para criar aplicações interativas de voz em tempo real, assistentes virtuais voltados para o cliente e fluxos de trabalho de criação de conteúdo que exigem saída de voz natural e expressiva.
O Qwen3-TTS-12Hz-1.7B-Base se destaca na conversão de texto em voz multilíngue, com clonagem rápida de voz de três segundos a partir de uma entrada de áudio. É ideal para criar aplicações de voz personalizadas, realizar ajuste fino da síntese de voz específica de um domínio e atender cenários em que os desenvolvedores precisam de um modelo de base flexível para a geração de voz.
O Qwen3-ASR-1.7B se destaca no reconhecimento automático de voz, com suporte para 52 idiomas e dialetos com precisão de última geração em ambientes acústicos complexos. É ideal para serviços de transcrição, suporte ao cliente multilíngue, legendas em tempo real e aplicações que exigem recursos robustos de conversão de voz em texto durante o streaming e offline.
Com o SageMaker JumpStart, os clientes podem implantar qualquer um desse modelos com apenas alguns cliques para abordar casos de uso de IA específicos.
Para começar a usar esses modelos, navegue até a seção Modelos do SageMaker Studio ou use o SageMaker Python SDK para implantar os modelos em sua conta da AWS. Para obter mais informações sobre a implantação e o uso de modelos de base no SageMaker JumpStart, consulte a documentação do Amazon SageMaker JumpStart.