Alibaba
Qwen-Audio-3.1-TTS-Plus
Qwen-Audio-3.1-TTS-Plus 是專為精品音色與內容創作設計的專業級文字轉語音模型,側重音質、解析度與表現細節。輸入為文字,輸出為音訊。(docs.qwencloud.com) 支援多種語言及方言、串流語音合成、自然語言指令,以及細粒度標籤控制;可調整情緒、語氣、角色、語速和音量。 支援聲音複刻;官方表示,模型對含雜訊或混響的參考音訊有較強的穩健性。亦支援音色設計。 適用於品牌聲音…
了解模型繁體中文
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。
Qwen-Audio-3.1-TTS-Plus 是專為精品音色與內容創作設計的專業級文字轉語音模型,側重音質、解析度與表現細節。輸入為文字,輸出為音訊。(docs.qwencloud.com) 支援多種語言及方言、串流語音合成、自然語言指令,以及細粒度標籤控制;可調整情緒、語氣、角色、語速和音量。 支援聲音複刻;官方表示,模型對含雜訊或混響的參考音訊有較強的穩健性。亦支援音色設計。 適用於品牌聲音…
Hy-Nomas 是自由形式的互動式影片世界生成模型,以約 80 億參數的擴散模型為骨幹,支援跨多輪互動的文字指令與攝影機控制。它不是一般文字聊天模型。(arxiv.org) 逐段自回歸生成影片,利用 KV 快取保留先前片段的上下文;可在生成過程中以文字調整物件、場景、風格和動作,並以攝影機軌跡控制視角。(github.com) 官方示範支援以參考圖片初始化世界,再以文字及攝影機控制繼續生成;提供…