Tiga model baru untuk pengenalan ucapan dan teks-ke-suara kini tersedia di Amazon SageMaker JumpStart
Hari ini, AWS mengumumkan ketersediaan Qwen3-TTS-12Hz-1.7B-CustomVoice, Qwen3-TTS-12Hz-1.7B-Base, dan Qwen3-ASR-1.7B di Amazon SageMaker JumpStart, memperluas portofolio model dasar yang tersedia bagi pelanggan AWS. Ketiga model dari Qwen ini menghadirkan kemampuan sintesis dan pengenalan suara tingkat lanjut di lebih dari 10 bahasa, memungkinkan pelanggan untuk membangun aplikasi cerdas berbasis suara di infrastruktur AWS.
Model-model ini mengatasi berbagai tantangan ucapan dan audio di lingkungan perusahaan dengan kemampuan khusus:
Qwen3-TTS-12Hz-1.7B-CustomVoice unggul dalam konversi teks ke ucapan multibahasa dengan gaya suara yang dapat disesuaikan, mendukung 10 bahasa dengan kontrol berbasis instruksi atas timbre, emosi, dan prosodi. Sistem ini ideal untuk membangun aplikasi suara interaktif real-time, asisten virtual yang berinteraksi langsung dengan pelanggan, dan alur kerja pembuatan konten yang membutuhkan output ucapan yang alami dan ekspresif.
Qwen3-TTS-12Hz-1.7B-Base unggul dalam konversi teks ke ucapan multibahasa dengan kloning suara cepat 3 detik dari input audio. Ini ideal untuk membangun aplikasi suara khusus, penyempurnaan sintesis ucapan spesifik domain, dan skenario di mana pengembang membutuhkan model dasar yang fleksibel untuk pembangkitan suara.
Qwen3-ASR-1.7B unggul dalam pengenalan ucapan otomatis yang mendukung 52 bahasa dan dialek dengan akurasi mutakhir di lingkungan akustik yang kompleks. Sistem ini ideal untuk layanan transkripsi, dukungan pelanggan multibahasa, pembuatan teks terjemahan secara real-time, dan aplikasi yang membutuhkan streaming yang andal serta konversi ucapan ke teks secara offline.
Dengan SageMaker JumpStart, pelanggan dapat men-deploy salah satu model ini hanya dengan beberapa klik untuk mengatasi kasus penggunaan AI spesifik mereka.
Untuk memulai dengan model ini, buka bagian Model di SageMaker Studio atau gunakan SageMaker Python SDK untuk menerapkan model ke akun AWS Anda. Untuk informasi lebih lanjut tentang penerapan dan penggunaan model dasar di SageMaker JumpStart, lihat dokumentasi Amazon SageMaker JumpStart.