आज, दौबाओ बड़ा मॉडल ने दौबाओ बड़ा मॉडल के 8 प्रमुख क्षणों का आधिकारिक उद्घाटन किया! 15 मई, 2024 को पहली बार प्रदर्शित होने के बाद, दौबाओ बड़ा मॉडल ने 230 दिनों के तेज विकास का अनुभव किया। प्रारंभिक भाषण से लेकर समझने की दुनिया की खोज तक, और फिर सृजक के लिए जादुई सपनों की चित्रण करने तक, इस यात्रा के प्रत्येक चरण में चुनौतियों और उपलब्धियों का सामना किया गया। 1. वॉयस पहचान और भावनात्मक अभिव्यक्ति में突破 दौबाओ बड़ा मॉडल ने जुलाई में वॉयस पहचान क्षेत्र में एक बड़ी突破 हासिल की: यह 20 से अधिक भाषाओं के मिश्रित संवाद को समझने में सक्षम है, और विचार करने की क्षमता के साथ सुनने की भी।

फ्रांस की स्टार्टअप कंपनी Gladia ने एक वॉयस पहचान एप्लिकेशन प्रोग्रामिंग इंटरफेस (API) प्रदान किया है, जिसने सीरीज़ ए फंडिंग में 16 मिलियन डॉलर जुटाए। मूल रूप से, Gladia का API किसी भी ऑडियो फ़ाइल को उच्च सटीकता और कम विलंबता के साथ टेक्स्ट में परिवर्तित कर सकता है। जबकि अमेज़न, माइक्रोसॉफ्ट और गूगल अपनी क्लाउड होस्टिंग उत्पाद सूट के हिस्से के रूप में वॉयस से टेक्स्ट API प्रदान करते हैं, उनके प्रदर्शन कुछ पेशेवर स्टार्टअप द्वारा पेश किए गए नए मॉडल की तरह नहीं है। विशेष रूप से OpenAI के Whisper मॉडल के लॉन्च के बाद, यह क्षेत्र

अलीबाबा ने हाल ही में नई ओपन-सोर्स वॉयस मॉडल Qwen2-Audio पेश की है, जो वॉयस पहचान, अनुवाद और ऑडियो विश्लेषण में उत्कृष्ट प्रदर्शन करती है और महत्वपूर्ण प्रदर्शन सुधार करती है। Qwen2-Audio बेस वर्जन और निर्देशित फाइन-ट्यूनिंग वर्जन प्रदान करती है, जो कई भाषाओं जैसे कि चीनी,粤语, फ्रेंच, अंग्रेजी और जापानी का समर्थन करती है, भावनात्मक विश्लेषण और अनुवाद अनुप्रयोगों के लिए सुविधा प्रदान करती है। Qwen-Audio की तुलना में, Qwen2-Audio ने संरचना और प्रदर्शन में व्यापक रूप से अनुकूलन किया है, प्री-ट्रेनिंग चरण में अधिक प्राकृतिक भाषा संकेतों का उपयोग किया गया है।