Alibaba
Qwen-Audio-3.1-TTS-Plus
AlibabaのQwen-Audio-3.1-TTS-Plusは、高品質な音声とコンテンツ制作を重視したプロ向け音声合成モデルです。テキストを入力し、音声を出力します。公式発表日は2026年10月21日です。(docs.qwencloud.com) 多言語・方言、ストリーミング音声合成に対応します。自然言語の指示や細かなタグにより、感情、口調、役柄、話速、音量を調整できます。 既存音声、音声クロー…
モデルを見る日本語
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
AlibabaのQwen-Audio-3.1-TTS-Plusは、高品質な音声とコンテンツ制作を重視したプロ向け音声合成モデルです。テキストを入力し、音声を出力します。公式発表日は2026年10月21日です。(docs.qwencloud.com) 多言語・方言、ストリーミング音声合成に対応します。自然言語の指示や細かなタグにより、感情、口調、役柄、話速、音量を調整できます。 既存音声、音声クロー…
Hy-Nomasは、複数ターンのテキスト指示とカメラ操作によって、自由形式のインタラクティブな動画世界を生成するモデルです。動画をセグメント単位で自己回帰的に生成し、KVキャッシュを使って過去の文脈を引き継ぎます。技術報告では、拡散バックボーンは80億パラメータとされています。(huggingface.co) 生成を続けながら、物体、動作、画風、場面などをテキストで指定できます。カメラ軌道による視…