Qwen-Audio-3.1-ASR-Flash-Message
음성 메시지, 음성 입력 및 기업 업무에 최적화된 생성형 음성 인식 모델이다. 오디오를 입력받아 텍스트를 출력한다. 공식 발표에 기재된 출시일은 2026년 9월 21일이다. (alibabacloud.com) 중국어와 영어를 비롯한 여러 언어를 인식하며, 한국어·인도네시아어·일본어·태국어·필리핀어·베트남어·말레이어에 최적화되어 있다. 언어를 자동 감지하거나…
모델 디렉터리
새롭게 출시된 모델을 발표일 순서로 살펴보세요.
음성 메시지, 음성 입력 및 기업 업무에 최적화된 생성형 음성 인식 모델이다. 오디오를 입력받아 텍스트를 출력한다. 공식 발표에 기재된 출시일은 2026년 9월 21일이다. (alibabacloud.com) 중국어와 영어를 비롯한 여러 언어를 인식하며, 한국어·인도네시아어·일본어·태국어·필리핀어·베트남어·말레이어에 최적화되어 있다. 언어를 자동 감지하거나…
Qwen-Audio-3.1-TTS-Next는 단순한 텍스트 음성 변환을 넘어 통합 오디오를 생성하는 AudioGen 모델이다. 텍스트, 타임스탬프와 참고 오디오를 바탕으로 음성, 효과음, 환경음을 한 번에 생성할 수 있다. Alibaba Cloud Model Studio가 추론 서비스를 제공한다. (help.aliyun.com) 1인 음성, 다자 대화, 팟…
실시간 음성·영상 상호작용을 위한 멀티모달 모델이다. 2026년 9월 21일 출시되었으며, 스마트 기기, 로봇, 실시간 대화형 에이전트 등에 활용할 수 있다. (alibabacloud.com) 텍스트, 스트리밍 오디오, 연속 이미지 프레임으로 구성된 비디오를 입력받고 텍스트와 오디오를 출력한다. 사용자 정의 함수 호출과 원격 MCP 도구를 지원한다.…
Baidu의 Flex는 실시간 음성 상호작용과 작업 수행을 위한 엔드투엔드 음성 언어 모델이다. 2026년 9월 16일 공개 베타가 발표됐다. (cloud.baidu.com) 자연스러운 음성 대화와 음성 합성을 지원하며, 70개 이상의 사전 설정 음색을 제공한다. 서버가 음성 구간을 감지하는 자동 VAD와 클라이언트가 전송 시점을 제어하는 수동 VAD를 지…
Tencent의 음성 생성·편집 기반 모델 AuK의 증류 버전이다. 자연어 지시와 오디오를 활용하며, 4단계 추론에 맞춰 설계됐다. AuK 기본 모델은 15억 개 매개변수로 소개된다. 코드와 가중치는 2026년 9월 9일 공개됐다. (huggingface.co) 참조 음성의 목소리로 텍스트를 읽는 제로샷 TTS와 목소리 설명만을 이용한 지시 기반 TTS 음…
AuK는 음성 생성과 편집을 위한 약 15억 매개변수의 기반 모델이다. 다양한 오디오 데이터로 학습됐으며, 자연어 지시를 통해 여러 음성 작업을 수행한다. 이 모델 카드는 고품질 생성을 지향하는 기본 모델의 가중치를 제공한다. 별도로 4단계 추론용 증류 모델인 AuK-Flash도 있다. (huggingface.co) 참조 음성을 이용한 제로샷 TTS와 음성…