Qwen-Audio-3.1-ASR-Flash-Filetrans
Qwen-Audio-3.1-ASR-Flash-Filetrans ist ein End-to-End-Modell zur nicht echtzeitgebundenen Spracherkennung für längere Audio- und Videoaufnahmen. Alibaba führt es in seiner internationalen…
MODELLVERZEICHNIS
Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.
Qwen-Audio-3.1-ASR-Flash-Filetrans ist ein End-to-End-Modell zur nicht echtzeitgebundenen Spracherkennung für längere Audio- und Videoaufnahmen. Alibaba führt es in seiner internationalen…
Qwen-Audio-3.1-ASR-Flash ist ein Spracherkennungsmodell für die effiziente Transkription kurzer Aufnahmen. Es verarbeitet Audio und gibt Text aus. Alibaba führt es in der offiziellen Modellübersicht…
Ein End-to-End-Modell für automatische Echtzeit-Spracherkennung (ASR). Es verarbeitet Audio als Stream und gibt Transkriptionstext mit Zwischen- und Endergebnissen aus. Es ist für niedrige Latenz…
Generatives Spracherkennungsmodell für Sprachnachrichten, Spracheingabe und Unternehmensanwendungen. Es verarbeitet Audio und gibt Text aus. Alibaba führt es mit dem Veröffentlichungsdatum 21.…
Qwen-Audio-3.1-TTS-Next ist ein Modell zur integrierten Audiogenerierung. Es kann aus Text, Zeitangaben und Referenzaudio Sprache, Geräusche und Umgebungsgeräusche gemeinsam erzeugen. Unterstützt…
Qwen3.8-Omni-Flash-Realtime ist ein multimodales Modell für Audio- und Videointeraktionen in Echtzeit. Alibaba Cloud Model Studio führt es für den internationalen Dienstumfang unter dem 21. September…
Qwen-Audio-3.1-Realtime-Plus ist ein Echtzeit-Sprachdialogmodell für bidirektionale Duplex-Gespräche. Alibaba führt es in seiner offiziellen Modellübersicht mit dem Veröffentlichungsdatum 20.…
Qwen-Image-2.1 ist ein Modell zur Bildgenerierung aus Text und zur Bildbearbeitung. Seine Modellgewichte wurden am 20. September 2026 veröffentlicht. Die visuelle Generierungskomponente umfasst 7…
Qwen3.8-Omni-Flash ist ein nativ multimodales Modell für das Verständnis und die Analyse von Audio-, Video- und anderen Inhalten. Es basiert laut Alibaba auf der Qwen3.8-Flash-Next-Architektur und…
Flex ist ein auf flexible, aufgabenorientierte Sprachinteraktion ausgerichtetes End-to-End-Sprachmodell von Baidu. Die offizielle Ankündigung zur öffentlichen Testphase wurde am 16. September 2026…
Google stellte Gemini 3.8 Live Extended Thinking am 15. September 2026 vor. Das Live-API-Modell ist auf komplexe, mehrstufige Aufgaben in sprachbasierten Echtzeitinteraktionen ausgerichtet. Es ist…
Gemini 3.8 Live ist Googles Echtzeit-Dialogmodell für Sprachagenten mit geringer Latenz. Es ist auf Skalierbarkeit und Kosteneffizienz ausgelegt. Das separat angebotene Gemini 3.8 Live Extended…
K2.8 Preview ist ein auf Programmierung und agentische Arbeitsabläufe ausgerichtetes Preview-Modell für Kimi Code. Es wurde am 11. September 2026 vollständig in Kimi Code eingeführt. Die bestehende…
DeepSeek-V4.1-Flash wurde am 10. September 2026 veröffentlicht. DeepSeek beschreibt es als das kleinste Modell einer neuen Architekturfamilie, ausgelegt auf schnellere Inferenz, hohen Durchsatz und…
AuK-Flash ist die destillierte Variante von AuK, einem Basismodell mit 1,5 Milliarden Parametern für Sprachgenerierung und -bearbeitung. Sie nutzt eine einheitliche Schnittstelle für…
AuK ist ein offenes Basismodell für Sprachgenerierung und Audiobearbeitung mit 1,5 Milliarden Parametern. Tencent veröffentlichte Code und Gewichte am 9. September 2026. Die angegebene Modellkarte…
Eine Einführung in dieser Sprache ist in Vorbereitung.
Eine Einführung in dieser Sprache ist in Vorbereitung.