Tres nuevos modelos de reconocimiento de voz y conversión de texto a voz ya están disponibles en Amazon SageMaker JumpStart
Hoy, AWS anunció la disponibilidad de Qwen3-TTS-12Hz-1.7B-CustomVoice, Qwen3-TTS-12Hz-1.7B-Base y Qwen3-ASR-1.7Ben Amazon SageMaker JumpStart, lo que amplía la cartera de modelos fundacionales disponibles para los clientes de AWS. Estos tres modelos de Qwen ofrecen capacidades avanzadas de síntesis y reconocimiento de habla en más de 10 idiomas, lo que permite a los clientes crear aplicaciones inteligentes impulsadas por voz en la infraestructura de AWS.
Estos modelos abordan diferentes desafíos de habla y audio empresarial con capacidades especializadas:
Qwen3-TTS-12Hz-1.7B-CustomVoice se destaca en la conversión de texto a voz multilingüe con estilos personalizables, admite 10 idiomas y controla el timbre, la emoción y la prosodia mediante instrucciones. Es ideal para crear aplicaciones de voz interactivas en tiempo real, asistentes virtuales orientados al cliente y flujos de trabajo de creación de contenido que requieren una salida de habla natural y expresiva.
Qwen3-TTS-12Hz-1.7B-Base se destaca en la conversión de texto a voz multilingüe con una clonación rápida de la voz en 3 segundos desde la entrada del audio. Es ideal para crear aplicaciones de voz personalizadas, refinar la síntesis de habla de un dominio específico y abordar escenarios en los que los desarrolladores necesitan un modelo fundacional flexible para la generación de voz.
Qwen3-ASR-1.7B se destaca por el reconocimiento de voz automático y admite 52 idiomas y dialectos con una precisión de última generación en entornos acústicos complejos. Es ideal para los servicios de transcripción, la atención al cliente multilingüe, los subtítulos en tiempo real y las aplicaciones que requieren una transmisión sólida y una conversión de voz a texto sin conexión.
Con SageMaker JumpStart, los clientes pueden implementar cualquiera de estos modelos con solo unos clics para abordar sus casos de uso específicos de IA.
Para empezar a utilizar estos modelos, vaya a la sección Modelos de SageMaker Studio o utilice el SDK de Python de SageMaker para implementar los modelos en su cuenta de AWS. Para obtener más información acerca del despliegue y el uso de modelos fundacionales en SageMaker JumpStart, consulte la documentación de Amazon SageMaker JumpStart.