Imagen 4 Generate Preview 05-20
Google Imagen 4 的文生图公开预览版本,最初通过 Vertex AI 提供。它接收文本提示词并生成图像;官方公告中的代码示例明确使用了该模型 ID。(cloud.google.com) 官方介绍强调图中文字渲染、对提示词的遵循、多种视觉风格的图像质量,以及多语言提示词支持。 可用于生成创意图片、海报和其他视觉素材。例如,官方示例用提示词生成带有文字的旅行海报。(cloud.googl…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
Google Imagen 4 的文生图公开预览版本,最初通过 Vertex AI 提供。它接收文本提示词并生成图像;官方公告中的代码示例明确使用了该模型 ID。(cloud.google.com) 官方介绍强调图中文字渲染、对提示词的遵循、多种视觉风格的图像质量,以及多语言提示词支持。 可用于生成创意图片、海报和其他视觉素材。例如,官方示例用提示词生成带有文字的旅行海报。(cloud.googl…
Google Gemini 2.5 Flash 系列的实验性原生音频对话模型,面向 Gemini Live API 的实时语音交互,并结合对话与推理能力。Google 于 2025 年 5 月 20 日发布了该模型,明确列出其原生音频输出能力。(aistudio.google.com) **原生音频对话:**生成语音响应,适合构建实时语音助手和交互式语音应用。 **推理对话:**Google 对…
Google Gemini 2.5 Flash 系列的预览模型,面向 Live API 实时对话,具备原生音频输出能力。它与单独发布的 Thinking 变体及文本转语音模型不是同一模型。(aistudio.google.com) 理解音频并生成语音,可用于构建实时语音助手和对话应用;Live API 还提供音视频输入能力。(blog.google) 可按指示调整语音风格、语速和口音;支持工具使用…
Gemini 2.5 Flash Preview TTS 是 Google 的预览版文本转语音模型,侧重低延迟、性价比和可控语音生成。其输入为文本,输出为音频。(aistudio.google.com) 可生成单人或双人语音,并通过指令调整语音风格、口音和语速。(aistudio.google.com) 可用于旁白、有声读物、播客、对话内容及语音助手等场景。(aistudio.google.com…
Google Gemini 2.5 Pro 系列的预览版文本转语音模型,面向高质量、可控制的语音合成,适合处理较复杂的语音生成提示。(blog.google) 接收文本并生成音频,支持单人语音和双人对话。(aistudio.google.com) 可通过自然语言提示调整语音风格、语调、情绪、语速和发音;支持多语言语音生成。(blog.google) 可用于公告、故事朗读、播客和游戏角色配音等场景。…
Gemini 2.5 Flash Preview 是 Google 于 2025 年 5 月 20 日发布的预览版模型,定位为兼顾速度、成本和推理能力的高效率模型。与此前版本相比,Google 报告其在推理、多模态、代码和长上下文基准上有所改进。(blog.google) 推理与控制:支持思考预算,开发者可在质量、延迟和成本之间进行权衡,也可关闭思考;Gemini API 和 Vertex AI…
腾讯混元 TurboS 系列的大语言模型版本,面向通用文本与推理任务。该版本自适应融合长短思维链。(cloud.tencent.com) 官方称,相较此前版本,本版本提升了数学、代码、逻辑和科学等理科能力,文科效果维持。可用于数学与逻辑问题分析、代码相关任务及科学问题解答。官方公布的测试结果包括:数学 OOD 测试集提升 7%、逻辑难题提升 5%、代码能力及体验提升 5%、科学提升 8%;这些是官…