Qwen-Audio-3.1-ASR-Flash-Filetrans
Modèle de reconnaissance vocale de bout en bout, destiné à la transcription non temps réel de fichiers audio longs. Alibaba l’a annoncé le 21 septembre 2026 pour le déploiement international à…
RÉPERTOIRE DES MODÈLES
Découvrez les nouveaux modèles, classés par date de publication.
Modèle de reconnaissance vocale de bout en bout, destiné à la transcription non temps réel de fichiers audio longs. Alibaba l’a annoncé le 21 septembre 2026 pour le déploiement international à…
Qwen-Audio-3.1-ASR-Flash est un modèle de reconnaissance automatique de la parole destiné à la transcription multilingue de courts enregistrements. Il prend de l’audio en entrée et produit du texte.…
Modèle de reconnaissance vocale de bout en bout conçu pour la transcription audio en texte en temps réel et à faible latence. Il vise notamment les réunions en direct, les sous-titres de diffusion et…
Qwen-Audio-3.1-ASR-Flash-Message est un modèle génératif de reconnaissance vocale, optimisé pour les messages vocaux, la saisie vocale et les applications d’entreprise. Il reçoit de l’audio et produit…
Qwen-Audio-3.1-TTS-Next est un modèle AudioGen de génération audio unifiée, proposé via Alibaba Cloud Model Studio. À partir de texte, d’indications temporelles et, le cas échéant, d’audios de…
Modèle multimodal d’Alibaba conçu pour les interactions audio et vidéo en temps réel, disponible via Alibaba Cloud Model Studio. L’annonce officielle le répertorie au 21 septembre 2026. (alibabacloud.…
Modèle de conversation vocale duplex en temps réel, acceptant du texte et de l’audio en entrée et produisant du texte et de l’audio en sortie. Il prend en charge l’appel de fonctions, la recherche Web…
Qwen-Image-2.1 est un modèle unifié de génération d’images à partir de texte et de retouche d’images. Publié le 20 septembre 2026, il comporte 7 milliards de paramètres dans son composant de…
Qwen3.8-Omni-Flash est un modèle multimodal destiné à la compréhension audio et vidéo, à l’analyse de contenu et aux applications d’agents. L’annonce d’Alibaba Cloud le répertorie au 17 septembre 2026…
Flex est un modèle de langage vocal de bout en bout, conçu pour les interactions vocales naturelles et les tâches nécessitant l’utilisation d’outils. Sa mise en bêta publique a été annoncée le 16…
Modèle stable de dialogue vocal en temps réel, conçu pour les tâches complexes et le raisonnement en plusieurs étapes. Google l’a annoncé le 15 septembre 2026 ; l’annonce a été mise à jour le 17…
Annoncé le 15 septembre 2026, Gemini 3.8 Live est un modèle de dialogue vocal en temps réel conçu pour les agents à faible latence, le déploiement à grande échelle et l’efficacité des coûts. Il se…
K2.8 Preview est un modèle de programmation et d’agent proposé dans Kimi Code. Son déploiement complet a été annoncé le 11 septembre 2026. Il conserve l’identifiant kimi-for-coding, ce qui permet aux…
DeepSeek-V4.1-Flash est un modèle multimodal à compréhension visuelle native, annoncé le 10 septembre 2026. Il vise une inférence rapide et efficace, notamment pour les applications utilisant des…
AuK-Flash est la variante distillée d’AuK, un modèle de base de 1,5 milliard de paramètres destiné à la génération et à l’édition de la parole. Elle privilégie la rapidité grâce à une inférence en…
AuK est un modèle de fondation open source de 1,5 milliard de paramètres destiné à la génération et à l’édition de la parole. Le dépôt fourni contient les poids du modèle de base, conçu pour une…
La présentation dans cette langue sera bientôt disponible.
La présentation dans cette langue sera bientôt disponible.