qwen-audio-3.1-tts-next

Qwen-Audio-3.1-TTS-Next es un modelo AudioGen diseñado para la generación de audio unificada. Más allá de los sistemas TTS convencionales que se centran únicamente en la síntesis de voz, puede generar contenido de audio completo en una sola pasada a partir de entradas como texto, marcas de tiempo y audio de referencia, combinando perfectamente voz, efectos de sonido, sonidos ambientales y más. El modelo admite una amplia gama de tareas, incluyendo TTS multilingüe, voz de un solo hablante, diálogos de múltiples hablantes, podcasts, paisajes sonoros cinematográficos, audio ambiental y efectos de sonido. Sus principales fortalezas incluyen una voz más natural y expresiva, identidad de voz consistente, control flexible del tiempo y generación de paisajes sonoros de alta calidad. Estas capacidades lo hacen idóneo para la creación de contenido, videos cortos, podcasts, producción cinematográfica y televisiva, audio para videojuegos y otros escenarios profesionales de creación de audio.