Qwen3-ASR-Flash
Qwen3-ASR-Flash 是基于大语言模型的多语种语音识别模型。该版本是 2025 年 9 月 8 日的快照,输入音频并输出识别文本。阿里云模型上架公告将其列于 2025 年 9 月 8 日。(help.aliyun.com) 模型可自动判断语种并进行语音转写;官方发布公告称其可识别 11 种语言,并面向复杂音频环境进行识别。适用于短录音、语音消息和口述内容转写等场景。(help.aliyu…
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。
Qwen3-ASR-Flash 是基于大语言模型的多语种语音识别模型。该版本是 2025 年 9 月 8 日的快照,输入音频并输出识别文本。阿里云模型上架公告将其列于 2025 年 9 月 8 日。(help.aliyun.com) 模型可自动判断语种并进行语音转写;官方发布公告称其可识别 11 种语言,并面向复杂音频环境进行识别。适用于短录音、语音消息和口述内容转写等场景。(help.aliyu…
Kimi K2 的指令模型更新版,面向通用对话和智能体任务,重点加强编程能力。采用混合专家(MoE)架构,总参数约 1 万亿,每个 token 激活约 320 亿参数。(kimi.com) 强化智能体编程、前端代码生成和工具调用,可用于软件开发、代码助手和多步骤任务。 上下文窗口从上一版本的 128K 扩展至 256K tokens,适合长文本和长期任务。 发布时的官方 API 支持自动上下文缓存…
Qwen3 系列 Max 模型的预览版本,面向文本生成和推理任务,融合思考模式与非思考模式。官方上架日期为 2025 年 9 月 5 日。(help.aliyun.com) 官方表示,思考模式在智能体编程、常识知识推理,以及数学、科学和通用推理方面有增强。可用于文本生成、编程辅助和复杂问题分析。(help.aliyun.com) 这是预览版本,不应与后续正式版或其他快照混同;输出仍需人工核验。 历…
CosyVoice-v3-plus 是通义实验室 CosyVoice 系列的语音合成与声音复刻模型,面向对音质、表现力和声音相似度要求较高的专业场景。阿里云百炼提供推理服务。(help.aliyun.com) 支持文本转语音及实时流式合成,输入为文本,输出为音频。 支持声音复刻;官方称提供 5–20 秒参考音频即可生成定制声音。 可用于专业语音合成、定制声音等场景。部分系统音色支持 SSML、时间…