GPT-4o Mini TTS
GPT-4o Mini TTS 是基于 GPT-4o mini 的文本转语音模型,可将输入文本转换为自然语音。OpenAI 于 2025 年 3 月 20 日发布该模型;对应的固定版本快照为 gpt-4o-mini-tts-2025-03-20。模型别名与固定快照并非同一概念:官方后来将别名指向了更新的快照。(openai.com) 可通过文字指令调整语音的口音、情绪、语调、语速和语气等表达方式,…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
GPT-4o Mini TTS 是基于 GPT-4o mini 的文本转语音模型,可将输入文本转换为自然语音。OpenAI 于 2025 年 3 月 20 日发布该模型;对应的固定版本快照为 gpt-4o-mini-tts-2025-03-20。模型别名与固定快照并非同一概念:官方后来将别名指向了更新的快照。(openai.com) 可通过文字指令调整语音的口音、情绪、语调、语速和语气等表达方式,…
GPT-4o Mini Transcribe 是基于 GPT-4o mini 的语音转文字模型,用于将音频转写为文本。OpenAI 表示,与原始 Whisper 模型相比,它改善了词错误率、语言识别和转写准确性。(developers.openai.com) 接收音频,输出转写文本;可用于录音转写、字幕草稿和语音应用中的文字记录。 可通过 OpenAI 音频转写 API 接入;官方文档也列出了实时…
GPT-4o Transcribe 是基于 GPT-4o 的语音转文本模型,通过 OpenAI API 将音频转录为文本。OpenAI 于 2025 年 3 月 20 日发布该模型。(openai.com) 支持多语言语音识别。官方称,与原始 Whisper 模型相比,该模型在语言识别和准确性方面有所改进,在多个基准测试上的词错误率更低;对口音、背景噪声和语速变化等情况的处理也有所改善。(open…
GTE-Rerank-V2 是通义实验室研发的多语言文本重排序模型。它根据查询与候选文档的语义相关性,对文档重新排序,适用于语义搜索和检索增强生成(RAG)等场景。(help.aliyun.com) 支持中文、英文、日语、韩语、泰语等 50 多种语言。 可对初次检索召回的候选文档重新打分,返回相关性排名;可通过 top_n 限制返回结果数量。(help.aliyun.com) 输入为文本;单次请求…
Qwen-Plus-Character 是千问系列的文本生成与角色扮演模型,面向拟人化对话。它是动态更新版本,官方表示模型更新会提前通知。(docs.bailian.console.aliyun.com) 模型针对限定人设指令遵循、角色还原、话题推进和倾听共情进行了优化。适用场景包括虚拟社交、游戏 NPC、IP 角色复刻以及玩具、车机等智能硬件交互。开发者可在系统消息中设定角色背景、关系、场景和语…