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…
Qwen-Audio-3.1-Realtime-Plus 是阿里雲百煉的即時雙工語音對話模型,適合建立即時語音互動應用。官方將其列為語音到語音模型,無須分別呼叫語音辨識與語音合成模型。(alibabacloud.com) 支援文字及音訊輸入、文字及音訊輸出,可用於即時語音助理等互動場景。 支援函式呼叫、聯網搜尋及聲音複刻;沿用 3.0 Plus 的接入協定,保留既有音色並新增 8 個系統音色。 支…
Qwen-Image-2.1 是通義千問的統一圖像生成與編輯模型,提供可下載的模型權重;其視覺生成部分有 70 億參數。原始模型於 2026 年 9 月 20 日發布;Turbo 權重及 Pro、Turbo 託管 API 於 2026 年 10 月 9 日推出。(github.com) 輸入文字或參考圖片,生成或編輯圖片;支援原生 RGBA 透明背景、透明圖層編輯與主體擷取。 支援最多 10 張參…
Qwen3.8-Omni-Flash 是面向影音理解、多模態內容分析與智慧代理任務的全模態模型。官方 Model Studio 更新紀錄列出的日期為 2026 年 9 月 17 日。(alibabacloud.com) 接受文字、圖片、音訊及影片輸入,輸出文字;可用於影音摘要、多媒體分析、文字生成及代理工作流程。 支援思考與非思考模式、函式呼叫、網路搜尋及上下文快取;思考模式預設啟用,推理強度可調…
百度於 2026 年 9 月 16 日公告推出 Flex 公測版,定位為注重靈活性與任務執行的端到端語音語言大模型,提供自然語音互動與語音合成。(ai.baidu.com) 支援伺服器自動語音活動偵測(VAD)與手動提交音訊兩種互動模式。 支援 Function Call,可連接外部工具與業務系統執行任務。 支援 70 種以上預設音色及音色切換,並提供搜尋與指令遵循能力。 發布公告稱知識庫檢索增強…
Google 推出的即時語音對話模型,適合需要較深入背景推理、多步驟規劃及工具協作的複雜任務。模型可在持續語音互動時進行背景推理與非同步工具呼叫。(blog.google) 支援即時音訊生成、文字與音訊輸出,以及 Google 搜尋輔助回答。API 模型文件列出的輸入包括文字、圖片和音訊;Google 模型卡另列影片輸入,實際支援方式應以所用介面的文件為準。(aistudio.google.com…
Gemini 3.8 Live 是 Google 面向低延遲即時對話與語音代理程式的模型,強調流暢對話、視覺情境理解、規模化與成本效率。它與針對更複雜多步推理的 Gemini 3.8 Live Extended Thinking 是不同模型。(blog.google) 接收文字、圖片、音訊與影片輸入;Gemini API 文件列出的輸出為文字與音訊。支援音訊串流、交錯推論、函式呼叫及 Google…
K2.8 Preview 是 Moonshot AI 在 Kimi Code 提供的編程與智能體預覽模型。官方於 2026 年 9 月 11 日宣布全面上線;沿用模型 ID kimi-for-coding,既有客戶端及第三方工具無須因這次升級而修改 ID。(kimi.com) 官方表示,其整體表現接近 K3,編程與智能體能力較前代提升,思考效率較 K2.7 Code 顯著改善;這是官方的定性比較。…
DeepSeek-V4.1-Flash 於 2026 年 9 月 10 日發布,是 DeepSeek 新架構系列中較小、著重推論效率與吞吐量的多模態模型。官方公告的 API 模型名稱為 deepseek-flash。(deepseek.com) 原生處理文字與圖片,產生文字;適合圖片理解、文字生成及需要長上下文的 Agent 工作流程。 採用專家混合(MoE)與非對稱 Causal Encoder…
AuK-Flash 是 AuK 語音生成與編輯基礎模型的蒸餾版本,提供開放權重,主打快速四步推論。AuK 基礎模型約有 15 億參數;官方模型卡標示採用 MIT 授權。(huggingface.co) 模型透過自然語言指令及視任務需要提供的參考音訊,支援零樣本和指令式文字轉語音、語音及歌詞內容編輯、音高/語速/音量調整、情緒與音色編輯、語音增強及音源分離。適合用於配音、語音內容修改和音訊清理等場景…
AuK 是開源的語音生成與編輯基礎模型,規模為 15 億參數,透過統一的自然語言指令介面執行多種音訊任務。本條目對應高品質生成的 AuK 基礎版;AuK-Flash 是另行提供的四步推論蒸餾版本。(huggingface.co) 支援零樣本文字轉語音:以參考音訊的聲音朗讀指定文字;也支援僅依聲音描述生成語音。 支援語音內容、音高、語速及副語言特徵編輯,以及語音增強和聲源分離。 可用於配音、語音內容…
WeatherNext 3 是由 Google DeepMind 和 Google Research 開發的全球 AI 天氣預報模型,提供多解析度的集合預報,並直接納入即時衛星觀測資料。Google 於 2026 年 9 月 3 日發布官方公告;開發者版本紀錄則列出 2026 年 8 月 31 日推出。(blog.google) 每小時初始化並產生預報,使用靜止軌道衛星資料及地面氣象站觀測資料。(…
Gemini 3.8 Flash Cyber 是 Google 面向受信任防禦者的資安專用模型,著重自主漏洞發現與自動修補。它與 Gemini 3.8 Flash 共用基礎智慧,但服務對象與部署方式不同。(blog.google) **漏洞發現:**可協助分析程式碼並識別安全漏洞。Google 表示,在涵蓋 20 種程式語言的內部漏洞發現評測中,模型達到 71.0% 的結果;該結果反映特定測試條件…
Google 於 2026 年 9 月 2 日發布的通用 Flash 模型,著重長程軟體工程、自主代理、多步驟推理及複雜企業工作流程。它與專門用於資安的 Gemini 3.8 Flash Cyber 是不同版本。(blog.google) 支援文字、圖片、影片、音訊及 PDF 輸入,輸出為文字;輸入上限為 1,048,576 tokens,輸出上限為 65,536 tokens。(aistudio…
Qwen3.8-Max-0902 是 Qwen3.8-Max 旗艦模型的升級快照,別名為 qwen3.8-max-2026-09-02。官方公告將其標示為 2026 年 9 月 2 日的快照;千問 AI 平台則自北京時間 2026 年 9 月 5 日起,將 qwen3.8-max 自動指向此快照,計費項目及價格不變。(platform.qianwenai.com) 支援文字、圖片及影片輸入,輸出文…