Alibaba
Qwen-Audio-3.1-TTS-Plus
Qwen-Audio-3.1-TTS-Plus 是面向精品音色和内容创作的专业级文本转语音模型,侧重音质、自然度和细节表现。输入为文本,输出为音频。(docs.qwencloud.com) 支持多语言、方言和流式语音合成;可通过自然语言指令和细粒度标签控制情绪、语气、角色、语速和音量。(docs.qwencloud.com) 支持系统音色、声音复刻和音色设计。官方称,声音复刻对含噪声或混响的参考音…
了解模型简体中文
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。
Qwen-Audio-3.1-TTS-Plus 是面向精品音色和内容创作的专业级文本转语音模型,侧重音质、自然度和细节表现。输入为文本,输出为音频。(docs.qwencloud.com) 支持多语言、方言和流式语音合成;可通过自然语言指令和细粒度标签控制情绪、语气、角色、语速和音量。(docs.qwencloud.com) 支持系统音色、声音复刻和音色设计。官方称,声音复刻对含噪声或混响的参考音…
Hy-Nomas 是腾讯发布的自由形式交互式视频世界生成模型,使用约 80 亿参数的扩散模型骨干,支持多轮文本指令和连续摄像机控制。它生成的是视频形式的世界内容,不应等同于可编辑的三维场景资产。(arxiv.org) 通过逐段自回归生成视频,并利用缓存的历史信息维持跨片段一致性;可用文本描述物体、风格、场景和动作,也可结合摄像机轨迹控制画面。(github.com) 官方提供交互式网页演示、训练与…