多模态

Qwen3-TTS 技术深读:12Hz 多码本、首包低至 97 毫秒,一句话造出一条声线

先把时间点掰正:Qwen3-TTS 不是这个月才冒出来的新模型。阿里 Qwen 团队官方仓库的 News 栏写得很清楚,2026 年 1 月 22 日开源,博客、技术报告、权重和 …

MOSS-Live 技术深读:边听边说、边看边办事的全双工实时交互系统

先说结论:MOSS-Live 不是把语音识别率又刷高了一点点,它改的是交互方式。你说话时它也在听,你随口「嗯」一声它不会当成插话,你让它查酒店、下一句又问停车,它不会卡在那里干等后…