Veo 3.1 Fast
Veo 3.1 Fast 是 Google Veo 3.1 系列中侧重较快生成速度的视频生成模型,适合标准视频制作流程和快速迭代。(cloud.google.com) 支持根据文本或图片生成视频,也支持使用首尾帧、参考图片和视频延长功能。 支持生成声音,可用于制作带同步语音或音效的视频;支持 Content Credentials(C2PA)。…
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。
Veo 3.1 Fast 是 Google Veo 3.1 系列中侧重较快生成速度的视频生成模型,适合标准视频制作流程和快速迭代。(cloud.google.com) 支持根据文本或图片生成视频,也支持使用首尾帧、参考图片和视频延长功能。 支持生成声音,可用于制作带同步语音或音效的视频;支持 Content Credentials(C2PA)。…
Veo 3.1 是 Google 的视频生成模型。veo-3.1-generate-001 是其标准生成版本,而非 Fast 版本。Google Cloud 官方文档将该版本标为正式版(GA)。(docs.cloud.google.com) 支持根据文本或图片生成视频,也支持使用首尾帧、参考图片及视频延长功能。 支持生成声音,可用于制作带同步语音或音效的视频。 可用于短视频创作、视觉概念展示和视频…
CosyVoice-v3-Flash 是阿里巴巴通义实验室 CosyVoice 系列的语音合成与声音复刻模型,通过阿里云百炼提供推理服务。其主要输入为文本,输出为音频。(help.aliyun.com) 支持文本转语音及实时流式合成;官方称其相较前代改善了自然度、音质、韵律和情感表现力。 支持通过参考录音复刻声音;官方公告称可使用 5–20 秒参考音频生成定制声音。当前接入指南建议录音时长为 10…
Qwen3-ASR-Flash 的大文件转录版本,本模型 ID 是 2025 年 11 月 17 日的快照版本。输入为音频,输出为文本,面向非实时、多语种语音识别。(help.aliyun.com) 可自动判断语种并转录多语种语音,包括中文普通话、部分中文方言、英语、日语等;官方称其可应对复杂音频环境。(help.aliyun.com) 适合长录音转写,例如会议、访谈或音视频内容整理。 非实时…