نموذج Qwen Audio 3.0 TTS Plus من Alibaba يتصدر تصنيف Speech Arena لتحويل النص إلى كلام

تصدّر نموذج تحويل النص إلى كلام Qwen Audio 3.0 TTS Plus من Alibaba تصنيف Speech Arena الصادر عن Artificial Analysis في يوليو 2026. ينطق النموذج النصوص بـ 16 لغة، ويتيح تحديد أسلوب الكلام بعبارات وصفية عادية أو بوسوم مثل [angry].

المركز الأول في Speech Arena

تصدّر Qwen Audio 3.0 TTS Plus تصنيف Speech Arena، وهو لوحة ترتيب علنية لأنظمة text-to-speech تديرها شركة التحليلات Artificial Analysis. يقارن التصنيف النماذج الصوتية من حيث جودة التوليد، وقد تفوّق نموذج Alibaba الجديد على منافسيه في الترتيب العام.

• المطوّر: Alibaba، والنموذج Qwen Audio 3.0 TTS Plus
• المركز الأول في تصنيف Speech Arena من Artificial Analysis
• دعم 16 لغة
• التحكم في أسلوب الكلام: وصف بلغة طبيعية أو وسوم مثل [angry]
• سرعة التوليد 16 حرفًا في الثانية، أبطأ من Sonic 3.5 وSimba 3.2

كيف تُضفي عاطفة على الصوت

يمكن التحكم في أسلوب الكلام في Qwen Audio 3.0 TTS Plus بطريقتين: بوصف بلغة طبيعية أو بوسوم خاصة. فالوسم [angry] مثلًا يجعل النموذج ينطق بنبرة منزعجة. وهذا النوع من التحكم في النغمة هو ما يميّز نماذج TTS الحديثة عن التوليد الآلي في الجيل السابق، الذي كان صوته رتيبًا خاليًا من العاطفة.

ويوسّع دعم 16 لغة نطاق الاستخدام: إذ يمكن توظيف النموذج نفسه في التعليق الصوتي للمحتوى والمساعدات الصوتية والدبلجة في أسواق مختلفة دون تغيير المحرّك.

لماذا النموذج أبطأ من منافسيه

يولّد Qwen Audio 3.0 TTS Plus الكلام بسرعة 16 حرفًا في الثانية، وهي أبطأ بوضوح من منافسيه المباشرين Sonic 3.5 وSimba 3.2. وفي المهام غير المباشرة، كإعداد الكتب الصوتية أو التعليق الصوتي المسجّل مسبقًا، لا يمثل ذلك مشكلة كبيرة، فالملف يُنتَج مرة واحدة على أي حال. أما في سيناريوهات الزمن الحقيقي، كالوكلاء الصوتيين والحوارات الحية، فتعني هذه السرعة تأخرًا محسوسًا بين إدخال النص وصدور الصوت.

وهكذا نصل إلى مقايضة معروفة: تتفوق Alibaba في جودة التوليد، وهي ما يقيسه Speech Arena، لكنها تتراجع في السرعة. فبعض المهام يهمّها طبيعية الصوت أكثر، وبعضها الآخر يحتاج إلى أدنى زمن تأخير ممكن.

المركز الأول في

Speech Arena مع سرعة لا تتجاوز 16 حرفًا في الثانية، هكذا يصف تصنيف Artificial Analysis نتيجة Qwen Audio 3.0 TTS Plus، بحسب ما نقلته مجلة The Decoder.

ماذا يعني ذلك

يُظهر تصدّر Qwen Audio 3.0 TTS Plus أن سباق نماذج TTS انتقل من مجرد «قراءة النص بوضوح» إلى التحكم في العاطفة والأسلوب عبر لغات عديدة. لكن لا يوجد حتى الآن فائز شامل: فالجودة والسرعة ما زالتا في علاقة مقايضة متبادلة، ويعتمد اختيار النموذج على ما هو أهم للمهمة.

الأسئلة الشائعة

كم لغة يدعم Qwen Audio 3.0 TTS Plus؟

ينطق النموذج النصوص بـ 16 لغة. كما يتيح التحكم في أسلوب الكلام وعاطفته عبر وصف بلغة طبيعية أو وسوم خاصة مثل [angry].

فيمَ يتخلف Qwen Audio 3.0 TTS Plus عن منافسيه؟

في سرعة التوليد. يولّد النموذج 16 حرفًا في الثانية، وهي بحسب بيانات Artificial Analysis أبطأ بوضوح من منافسيه Sonic 3.5 وSimba 3.2، وهذا أمر حاسم في سيناريوهات الزمن الحقيقي.