Qwen-TTS
Qwen-TTS 是通义千问系列的语音合成模型,将文本转换为音频。该版本是 2025 年 4 月 10 日的模型快照;支持中文、英文及中英混合文本输入,可根据文本自适应调整输出语气,并支持流式音频输出。(docs.bailian.console.aliyun.com) 可用于中文、英文或中英混合内容的语音播报,以及需要流式输出的文本转语音应用。(docs.bailian.console.aliyu…
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-TTS 是通义千问系列的语音合成模型,将文本转换为音频。该版本是 2025 年 4 月 10 日的模型快照;支持中文、英文及中英混合文本输入,可根据文本自适应调整输出语气,并支持流式音频输出。(docs.bailian.console.aliyun.com) 可用于中文、英文或中英混合内容的语音播报,以及需要流式输出的文本转语音应用。(docs.bailian.console.aliyu…
ERNIE-iRAG-Edit 是百度自研的图像编辑模型。官方更新记录列出的版本为 ERNIE-iRAG-Edit-1.0,于 2025年4月17日在千帆推理服务 API V2 图像编辑类别上新。(cloud.baidu.com) 消除对象(erase):消除遮罩选中的局部、主体或背景。 重绘对象(repaint):根据文本提示重绘选中区域,可用于调整样式、丰富细节或替换主体、背景。…
ERNIE X1 是百度的深度思考与推理模型。输入所指版本为 ERNIE-X1-32K;百度模型更新记录将其描述为该版本的主版本,提供对话 API。(cloud.baidu.com) 百度介绍,该模型侧重理解、规划、反思及推理,适用于中文知识问答、文学创作、文稿写作、日常对话、逻辑推理、复杂计算和工具调用等任务。企业可将其用于构建问答、检索增强生成、智能体和工作流应用。(cloud.baidu.c…
GLM-Z1-Air 是智谱推出的高性价比深度思考推理模型,面向高频调用场景。官方于 2025 年 4 月 14 日公布该模型;本条对应版本标识为 GLM-Z1-Air-0414。(docs.bigmodel.cn) 以 GLM-4-Air-250414 为基础,针对数学、代码和逻辑等任务进行优化,侧重数理推理与复杂问题解决。(docs.bigmodel.cn) 输入和输出模态均为文本;官方文档列…
GLM-Z1-AirX 是 GLM-Z1-Air 的高速版,定位为极速推理模型。官方于 2025 年 4 月 14 日发布,发布标识为 GLM-Z1-AirX-0414。(docs.bigmodel.cn) 模型采用文本输入和文本输出,面向逻辑推理、数学和编程等复杂任务;适用于实时数据分析、智能客服等需要快速响应的高频调用场景。官方发布时称其速度最高可达 200 tokens/秒;这是最高速度,并…
GLM-4 系列的免费文本基座模型,面向通用任务和轻量化应用。智谱于 2025 年 4 月 14 日发布该版本。(docs.bigmodel.cn) 以文本为输入和输出,适合轻量级对话、问答、摘要和文本处理等场景。 官方模型概览列出的上下文窗口为 128K tokens,最大输出为 16K tokens。(docs.bigmodel.cn) 官方 GLM-4 文档提到该版本具备长文本处理和多语言能…
GLM-4-Air-250414 是智谱于 2025 年 4 月 14 日发布的高性价比基座语言模型,面向复杂任务与智能体应用。(docs.bigmodel.cn) 模型接受文本输入并生成文本。官方重点介绍了其指令遵循、工程代码生成和函数调用能力,也将 Artifacts 生成、搜索问答与报告撰写列为应用场景。联网搜索依赖相应工具或服务,不能将其理解为模型自动访问互联网。(docs.bigmode…
万相 2.1 首尾帧生视频 Plus 版,是面向国际视频生成服务的模型:根据首帧和尾帧两张图片生成过渡视频,也可结合文本提示词控制内容。官方公告将其列于 2025 年 4 月 7 日。(docs.bailian.console.aliyun.com) 官方称模型支持大幅度复杂运动、多种艺术风格和较丰富的视频细节,并增强了指令遵循能力。可用于两张关键画面之间的转场及短视频创作。(docs.baili…