Qwen-Audio-3.1-ASR-Flash-Filetrans
端到端、非即時的語音辨識模型,以音訊為輸入、文字為輸出,適合長音訊檔案轉寫;推論服務由阿里雲百鍊提供。適用於會議逐字稿、內容製作及通話分析。(alibabacloud.com) 支援多語言及多地區中文方言辨識,包括普通話、粵語、吳語、閩南語、客家話,以及英語、日語和韓語等。(help.aliyun.cn) 支援熱詞與上下文增強、說話人分離、標點預測、文字正規化及多種方言的可控 ASR/AST 輸出…
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
端到端、非即時的語音辨識模型,以音訊為輸入、文字為輸出,適合長音訊檔案轉寫;推論服務由阿里雲百鍊提供。適用於會議逐字稿、內容製作及通話分析。(alibabacloud.com) 支援多語言及多地區中文方言辨識,包括普通話、粵語、吳語、閩南語、客家話,以及英語、日語和韓語等。(help.aliyun.cn) 支援熱詞與上下文增強、說話人分離、標點預測、文字正規化及多種方言的可控 ASR/AST 輸出…
Qwen-Audio-3.1-ASR-Flash 是面向短語音的非即時語音辨識模型,輸入音訊並輸出文字,適合多語種及文化內容轉寫。(alibabacloud.com) 支援多語種及多地區中文方言辨識,並針對中文古詩詞的韻律、節奏和文言表達進行優化。 支援上下文增強、標點預測、文字規範化、原生轉寫潤飾及多人對話分角色轉寫;亦支援部分方言的可控 ASR/AST 輸出。 適合短錄音轉寫、多語言內容整理及…
端到端即時語音辨識模型,以音訊為輸入、文字為輸出,適合即時會議、直播字幕及智慧互動等持續轉寫場景。串流期間可返回中間結果及最終結果。(alibabacloud.com) 支援多語言與多地區中文方言辨識、中英文切換、熱詞及上下文增強、標點預測和文字正規化。 支援多種方言的 ASR/AST 可控輸出;官方亦稱其具有抗雜訊能力。(alibabacloud.com) 可透過 WebSocket 或 AOQ…
生成式語音辨識模型,輸入音訊、輸出文字,針對語音訊息、輸入法及企業業務場景最佳化。官方上架日期為 2026-09-21。(alibabacloud.com) 支援中文、英文及其他語言,特別最佳化印尼語、日語、泰語、菲律賓語、越南語、韓語及馬來語;可自動辨識語言或指定目標語言。 支援串流轉寫、P0/P1 熱詞、文字正規化、利用前文轉寫和業務上下文輔助辨識,以及可開關的文字潤飾。 可將中文方言轉寫為方…
Qwen-Audio-3.1-TTS-Next 是統一音訊生成模型,不限於傳統文字轉語音。它可依據文字、時間資訊及參考音訊,一次生成包含人聲、音效與環境音的完整聲景;支援單人說話、多人對話、Podcast 和影視聲景等任務。適用於內容創作、短影片、播客、影視與遊戲音訊製作。(docs.modelstudio.console.alibabacloud.com) 輸入:文字及可選的參考音訊;官方列出的…
Alibaba 的即時全模態模型,面向串流影音互動,由阿里雲百煉提供推論服務。阿里雲國際站的新加坡地域更新公告將此模型列於 2026-09-21。(alibabacloud.com) 支援文字、圖片、串流音訊與影片影格輸入,輸出文字及音訊;支援多聲道音訊、影片聚合、自訂工具呼叫、遠端 MCP 工具和聯網搜尋。(docs.qwencloud.com) 可透過 WebSocket、WebRTC 或…