Qwen3-ASR-Flash
Qwen3-ASR-Flashは、大規模言語モデルを基盤とする多言語音声認識モデルです。音声を入力してテキストを書き出し、言語の自動判別にも対応します。本モデルIDは2025年9月8日のスナップショット版で、公式のモデル更新一覧にも同日付で掲載されています。(help.aliyun.com) 日本語を含む複数言語の音声認識に対応します。録音された発話の文字起こしや音声データのテキスト化に利用できま…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
Qwen3-ASR-Flashは、大規模言語モデルを基盤とする多言語音声認識モデルです。音声を入力してテキストを書き出し、言語の自動判別にも対応します。本モデルIDは2025年9月8日のスナップショット版で、公式のモデル更新一覧にも同日付で掲載されています。(help.aliyun.com) 日本語を含む複数言語の音声認識に対応します。録音された発話の文字起こしや音声データのテキスト化に利用できま…
Kimi K2の2025年9月版となる、指示追従型の大規模言語モデル。Mixture-of-Experts(MoE)アーキテクチャを採用し、総パラメータ数は1兆、トークンごとの活性化パラメータ数は320億。(huggingface.co) プログラミング:エージェントによる実際の開発タスクや、フロントエンドコードの生成を強化。 ツール利用:ツール呼び出しと、Claude CodeやRoo…
Qwen3シリーズのMaxモデルのプレビュー版。テキスト生成と推論を対象とし、思考モードと非思考モードを備える。公式発表では、思考モードにおけるエージェント向けプログラミング、常識、数学、科学、一般的な推論能力の強化が説明されている。(help.aliyun.com) テキスト生成、プログラミング支援、数学・科学などの推論タスクに利用できる。公式の過去のモデル仕様では、北京およびシンガポールの提供…
Tongyi LabのCosyVoiceシリーズに属する、プロ向けの音声合成・音声クローニングモデル。テキストから音声を生成し、リアルタイムのストリーミング合成に対応する。読み上げや、カスタム音声を使った音声アプリケーションに利用できる。(alibabacloud.com) 公開時の案内では、5~20秒の参照音声からカスタム音声を作成できる。現在のガイドでは10~20秒の音声を推奨している。(he…