模型發布檔案

最新發布模型

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。

按發布時間倒序7 種語言
清除

323 個模型

按發布時間倒序
MiniMax

VTP-Small-f16d64

VTP-Small-f16d64 是 VTP 視覺 tokenizer 預訓練框架的 Small 版本,主要用於影像特徵擷取、影像重建,以及為下游生成模型提供視覺潛在表示。該研究由華中科技大學與 MiniMax 的研究人員共同完成;官方模型頁標示模型規模約為 0.2B 參數。(github.com) 結合圖文對比、自監督與重建學習,訓練可用於視覺理解和生成的表示。(github.com) 可將影像…

了解模型繁體中文
Alibaba

Qwen-Image-Edit-Plus

通義千問 Image Edit Plus 圖像編輯模型的 2025 年 12 月 15 日快照版本,用於根據文字指示編輯參考圖片並產生圖片。(docs.modelstudio.console.alibabacloud.com) 相較於 2025 年 10 月 30 日快照,此版本提升了角色一致性、工業設計與幾何推理能力,整合打光等 LoRA 能力,並減輕偏移問題。可用於角色一致性調整、產品設計與圖…

了解模型繁體中文
Alibaba

Wan2.6-Image

Wan2.6-Image 是阿里巴巴萬相系列的圖像生成與編輯模型,支援圖文一體化推理與生成。官方發布紀錄將 wan2.6-image 列於 2025 年 12 月 15 日。(docs.modelstudio.console.alibabacloud.com) 接受文字及圖像輸入,可輸出圖像與文字;支援多圖融合、圖像編輯、風格遷移、主體一致性生成,以及構圖和光影控制。適合商業視覺素材製作、圖像改編…

了解模型繁體中文
Alibaba

Wan2.6-T2I

Wan2.6-T2I 是通義萬相 2.6 系列的文字生成圖像模型,透過文字提示產生圖片。官方公告稱其提升了視覺品質、美感與指令遵循能力,支援風格控制、寫實人像及長文字理解,可用於插畫、人物圖像和其他視覺創作。(docs.modelstudio.console.alibabacloud.com) 支援中英文提示詞、反向提示詞、尺寸設定和 PNG 圖像輸出。圖像總像素須介於 1280×1280 與 1…

了解模型繁體中文
Alibaba

Qwen Voice-Design

Qwen Voice-Design 是通義千問語音模型系列中的聲音設計模型。阿里雲模型更新公告將其列於 2025 年 12 月 12 日,服務部署範圍標示為國際。(docs.modelstudio.console.alibabacloud.com) 輸入自然語言描述即可設計自訂音色,無須提供音訊樣本;適合角色配音、創意內容製作和語音原型設計。(help.aliyun.com) 與…

了解模型繁體中文
Google

Gemini 2.5 Flash Native Audio Preview

Google 於 2025 年 12 月 12 日發布的 Live API 原生音訊預覽模型,面向低延遲的即時語音與視訊互動。官方表示,此版本改善了處理複雜工作流程的能力。(aistudio.google.com) 可接收連續的音訊、影片或文字輸入,並輸出音訊與文字,適合即時語音助理、對話介面及視訊互動應用。 支援音訊生成、函式呼叫、Google 搜尋 grounding、思考及 Live API…

了解模型繁體中文
Zhipu AI

GLM-TTS

GLM-TTS 是面向實際應用的文字轉語音系統:輸入文字,輸出語音。智譜已公開模型權重,亦提供 BigModel API。(zhipuai.cn) 可依文字內容表達情緒與語調;官方展示了不同情緒及中文口音的合成效果,並稱可使用約 3 秒參考音訊複製音色。(zhipuai.cn) 開源實作支援零樣本語音複製、中英文混合文字處理,以及透過混合音素與文字輸入控制特定字詞發音;API 文件提供串流呼叫範例…

了解模型繁體中文
Zhipu AI

GLM-ASR-Nano-2512

GLM-ASR-Nano-2512 是面向複雜真實場景的開源自動語音辨識模型,將音訊轉寫為文字。官方標示參數規模為 15 億;此數字不包括用作特徵擷取的 Whisper V3 音訊編碼器。模型卡標示採用 MIT 授權。(zhipuai.cn) 支援普通話、英語,並針對粵語及其他方言、低音量與輕聲語音進行最佳化;官方稱有 17 種語言達到其高可用性標準。(github.com) 適合語音轉文字、會議…

了解模型繁體中文
Alibaba

Qwen3-LiveTranslate-Flash

Qwen3-LiveTranslate-Flash 是多語言音視訊口譯模型,結合 Qwen3-Omni 基礎、跨語言與跨模態對齊及視覺增強技術,支援離線和即時音視訊翻譯。官方公告稱其可理解 19 種語言、以 10 種語言輸出語音,並支援 8 種中文方言。(help.aliyun.com) 模型接受音訊或影片輸入,可輸出文字及音訊;可用於多語言音視訊檔案翻譯與即時口譯。部分目標語言僅支援文字輸出。(…

了解模型繁體中文
Alibaba

Qwen3-Omni-Flash

Qwen3-Omni-Flash 是基於 Thinker–Talker 混合專家(MoE)架構的原生多模態模型。本模型 ID 是 2025-12-01 的快照版本;阿里雲發布紀錄將其列於 2025-12-04。(help.aliyun.com) 接受文字、圖片、音訊及影片輸入,輸出文字與音訊;官方稱支援 119 種語言的文字互動及 20 種語言的語音互動。 可遵循指令並透過系統提示調整對話風格,適…

了解模型繁體中文
Alibaba

Qwen3-Omni-Flash-Realtime

Qwen3-Omni-Flash 的即時全模態版本,採用 Thinker–Talker 混合專家(MoE)架構。官方於 2025 年 12 月 4 日公布此版本;模型 ID 中的 2025-12-01 不應視為公告日期。(docs.modelstudio.console.alibabacloud.com) 可理解文字、圖片、音訊及影片,並產生文字與語音;官方稱支援 119 種語言的文字互動及 20…

了解模型繁體中文
Alibaba

Wan2.6-I2V

Wan2.6-I2V 是阿里巴巴通義萬相系列的圖生影片模型,以圖片作為首影格,結合文字及可選音訊生成有聲影片。(help.aliyun.com) 支援聲畫同步、智慧分鏡與多鏡頭敘事,並支援多人對話和較自然的聲音生成。(help.aliyun.com) 輸出支援 720P、1080P,格式為 MP4(H.264),30 fps;最長 15…

了解模型繁體中文
Alibaba

Wan2.6-T2V

Wan2.6-T2V 是阿里巴巴的文字生成影片模型,透過阿里雲百鍊提供推論服務。官方公告列出的發布日期為 2025 年 12 月 3 日。(help.aliyun.com) 可依文字提示生成影片,也支援音訊輸入;輸出可包含影片與聲音。支援聲畫同步及多鏡頭敘事,適合製作短片、故事分鏡與視覺創意內容。(alibabacloud.com) 支援 720P、1080P,輸出格式為 30 fps 的 MP4…

了解模型繁體中文
Alibaba

Qwen-Plus

Qwen-Plus 的 qwen-plus-2025-12-01 是文字生成與推理模型的固定快照版本,官方公告日期為 2025 年 12 月 1 日。相較於 2025 年 7 月 28 日快照,官方表示其推理、智慧代理、多輪工具呼叫及主觀創作能力有所提升。(help.aliyun.com) 以文字輸入、文字輸出,可用於文字生成、推理、創意寫作及長文本任務。 支援思考與非思考模式;官方列出的北京部署…

了解模型繁體中文
DeepSeek

DeepSeek-V3.2-Speciale

DeepSeek-V3.2-Speciale 是 DeepSeek-V3.2 的長思考增強版本,結合 DeepSeek-Math-V2 的定理證明能力,著重探索高難度推理的能力邊界,主要供研究與評測使用。模型權重以 MIT 授權釋出。(deepseek.com) 適合複雜數學問題、嚴謹證明、邏輯驗證及程式設計等深度推理任務。 官方表示,模型在推理基準測試上的表現可與 Gemini-3.0-Pro…

了解模型繁體中文
DeepSeek

DeepSeek-V3.2

DeepSeek-V3.2 是於 2025 年 12 月 1 日發布的通用大型語言模型,為 DeepSeek-V3.2-Exp 的正式後繼版本,著重平衡推理能力、運算效率與智慧代理任務表現。模型以文字為輸入與輸出;模型權重以 MIT 授權釋出。(deepseek.com) 支援思考與非思考模式,並可在兩種模式下使用工具;思考模式可將推理整合至工具使用流程。(deepseek.com) 採用…

了解模型繁體中文
DeepSeek

DeepSeekMath-V2

DeepSeekMath-V2 是針對自然語言數學定理證明與可自我驗證推理最佳化的大型語言模型,基於 DeepSeek-V3.2-Exp-Base 建立。(arxiv.org) 可生成數學證明、分析證明中的問題,並透過自我檢查與反覆修訂改善推理過程;適合數學證明探索及相關研究。(github.com) 官方報告稱,在擴大推論時計算量的條件下,模型在 IMO 2025 與 CMO 2024 達到金牌…

了解模型繁體中文
Alibaba

Qwen3-TTS-Flash

Qwen3-TTS-Flash 是通義千問的非即時文字轉語音模型;此模型 ID 為 2025 年 11 月 27 日快照版本,輸入文字、輸出音訊。官方模型上架記錄將其列於 2025 年 11 月 27 日。(help.aliyun.com) 模型支援多語言及方言語音合成、以相同音色輸出多種語言,並可依文字內容調整語氣,適合文字朗讀、內容配音等用途。官方上架記錄描述 17 種音色;後續升級公告則稱音…

了解模型繁體中文
Alibaba

Qwen3-TTS-Flash-Realtime

通義千問即時文字轉語音模型的日期版,輸入文字、輸出音訊,著重低延遲和穩定的語音合成。官方發布列表將此版本列於 2025 年 11 月 27 日。(help.aliyun.com) 支援多語言與方言合成,並可使用相同音色輸出不同語言;可依文字調整語氣,處理複雜文字。適合即時語音播報、語音介面及多語言內容朗讀等用途。(help.aliyun.com) 官方發布列表描述 17 種音色;後續升級公告則描述…

了解模型繁體中文
Alibaba

Qwen3-TTS-VC-Realtime

Qwen3-TTS-VC-Realtime 是用於聲音複刻的即時文字轉語音模型;此模型 ID 是 2025 年 11 月 27 日發布的快照版本。(help.aliyun.com) 可對聲音註冊服務複刻的音色進行高保真即時語音合成,並依文字內容調整語氣,適合處理較複雜的文本。(help.aliyun.com) 官方歷史文件列出 WebSocket 介面及中文普通話、英語、德語、義大利語、葡萄牙語、…

了解模型繁體中文