مرحبًا HN، أنا Toby من Nari Labs. لقد كنا نعمل على جعل نماذج الكلام مفتوحة المصدر فائقة السرعة. في العام الماضي، بنينا Dia، أول نموذج تحويل النص إلى كلام مفتوح المصدر قادر على إجراء حوار طبيعي. منذ ذلك الحين، تم إصدار العديد من نماذج الكلام الرائعة. لكن السوق لا يزال تهيمن عليه النماذج مغلقة المصدر. نعتقد أن هذه مشكلة استدلال. الأنظمة الحالية مثل vLLM / SGLang ليست مناسبة للاستدلال متعدد الوسائط. لإثبات ذلك، بنينا محرك استدلال متخصص لـ Qwen3-TTS وقمنا بفتح مصدره. يعمل بزمن استجابة أقل من 50 مللي ثانية عند 10 RPS، مما أظهر أن النماذج المفتوحة يمكن تشغيلها بشكل أسرع وأرخص بكثير.

منذ ذلك الحين، كنا نعمل بجد لتقديم خدمة رخيصة وسريعة وعالية الجودة للجميع. وقد تغلبنا حتى على النماذج المغلقة في لعبتهم! وفقًا لمعايير Coval (YC S24) للذكاء الاصطناعي الصوتي عالية الاستشهاد، فإن نقطة نهاية Qwen3-TTS الخاصة بنا ليست فقط رقم 2 في زمن الاستجابة، بل رقم 1 في الدقة (WER) مقارنة بـ 11Labs وCartesia وغيرها، مع كونها نقطة النهاية الأرخص. نقطة نهاية Qwen3-ASR الخاصة بنا لديها أقل زمن استجابة ودقة رقم 2، بفارق 0.1% فقط عن المركز الأول. إنه ثاني أرخص نموذج في القائمة.

تطلب الأمر الكثير من الهندسة الذكية للاستدلال لجعل هذه النماذج سريعة وتؤدي بشكل جيد مع الحفاظ على التكاليف منخفضة. ومن المثير للاهتمام أن نقاط النهاية الرسمية لـ Alibaba تبدو أداءها أسوأ من حيث الدقة وزمن الاستجابة مقارنة بنقاطنا. ولكن مع ذلك، كل الحب لفريق Qwen لفتح مصدر نماذج الكلام الرائعة هذه. نريد مواصلة خفض الأسعار لجعل تقنية الكلام سلعة - بحيث يمكن لكل تطبيق الحصول على TTS وSTT رائعين دون القلق بشأن تكاليف الوحدة. نعمل أيضًا على أجزاء أخرى من الصوت مثل فصل المتحدثين - بالإضافة إلى استدلال الفيديو ونماذج العالم. المزيد قادم!

الكيانات الرئيسية: الشركات: Nari Labs، Qwen، Coval، 11Labs، Cartesia، Alibaba، Assembly AI، Deepgram، Fluxions | الأشخاص: Toby

الأسئلة الشائعة: ما هو Qwen3-TTS و Qwen3-ASR من Nari Labs؟

Qwen3-TTS و Qwen3-ASR من Nari Labs هما نموذجان للكلام مفتوحا المصدر بدقة عالية وزمن استجابة منخفض، محسّنان للاستدلال السريع.

سؤال شائع: ما هو Qwen3-TTS و Qwen3-ASR من Nari Labs؟

إجابة شائعة: Qwen3-TTS و Qwen3-ASR من Nari Labs هما نموذجان للكلام مفتوحا المصدر بدقة عالية وزمن استجابة منخفض، محسّنان للاستدلال السريع.