模型发布档案

最新发布模型

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。

按发布时间倒序7 种语言
清除

55 个模型

按发布时间倒序
Alibaba

Qwen4-Max-Preview

Qwen4-Max-Preview 是通义千问新一代旗舰多模态模型的预览版,面向较高要求的推理、视觉理解和任务执行。发布日期为 2026-11-11。(alibabacloud.com) 接收文本、图片和视频输入,以文本回答;支持文本生成、深度思考、图片和视频理解。 支持函数调用、联网搜索、内置工具,以及 JSON Object 和 JSON Schema 结构化输出;兼容 OpenAI Chat…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-Realtime-Flash

实时双工语音对话模型,由阿里云百炼提供推理服务,适合构建实时语音交互应用,例如语音助手和客服对话。(docs.qwencloud.com) 支持文本、音频输入和输出,以及函数调用、联网搜索和声音复刻。联网搜索可与函数调用同时启用。 支持 WebSocket、WebRTC 和 AOQ 接入;支持 server_vad、smart_turn、smart_turn_v2 和按键说话交互模式。smart_…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-TTS-Plus

Qwen-Audio-3.1-TTS-Plus 是面向精品音色和内容创作的专业级文本转语音模型,侧重音质、自然度和细节表现。输入为文本,输出为音频。(docs.qwencloud.com) 支持多语言、方言和流式语音合成;可通过自然语言指令和细粒度标签控制情绪、语气、角色、语速和音量。(docs.qwencloud.com) 支持系统音色、声音复刻和音色设计。官方称,声音复刻对含噪声或混响的参考音…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-TTS-Flash

面向低延迟实时交互的文本转语音模型,由阿里云百炼提供推理服务;输入为文本,输出为音频。(docs.qwencloud.com) 支持多种语言和方言、流式语音合成,以及通过自然语言指令和细粒度标签控制情绪、语气、角色、语速和音量。 支持声音复刻;官方称其对参考音频中的噪声和混响具有更强的鲁棒性。 适用于语音助手、实时对话和智能客服等场景。(docs.qwencloud.com) 官方模型资料未列出最…

了解模型简体中文
Alibaba

Qwen-Image-2.1-Turbo

Qwen-Image-2.1-Turbo 是 Qwen-Image-2.1 的加速版本,统一支持文本生成图像和图像编辑。其视觉生成组件采用 70 亿参数架构,官方推荐的生成流程使用 8 个去噪步骤;模型权重可用于本地部署,也可通过阿里云百炼 API 调用。(huggingface.co) **输入与输出:**接受文本和图像输入,输出图像;支持文生图、图生图和图像编辑。图像编辑最多可传入 10 张参…

了解模型简体中文
Alibaba

Qwen-Image-2.1-Pro

Qwen-Image-2.1-Pro 是通义千问系列中统一的文生图与图像编辑模型,通过阿里云百炼提供推理服务。其视觉生成组件有 70 亿参数,采用 32 层单流 DiT 架构;该参数量不应理解为整个系统的总参数量。(docs.modelstudio.console.alibabacloud.com) 接受文本和图像输入,输出图像;支持文生图、图生图和图像编辑。 支持生成普通图像或带透明通道的…

了解模型简体中文
Alibaba

Decision-Model-Preview

Decision-Model-Preview 是面向高频业务判断的结构化决策模型。官方模型上架公告将 decision-model-preview 列于 2026 年 9 月 24 日;百炼微调文档使用带日期的模型名 decision-model-preview-2026-09-24。决策 API 文档中的调用示例使用别名 decision-model-preview,具体调用名应以所用接口文档为…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Filetrans

端到端非实时语音识别模型,面向长录音及音视频文件转写;输入为音频,输出为文本。适用于会议转写、内容生产和通话分析等场景。(alibabacloud.com) 支持多语言及多地区中文方言识别,包括中文、英语、日语、韩语等;支持多种方言的 ASR/AST 可控输出。 支持热词和上下文增强、说话人分离、标点预测及文本规范化。 通过 HTTP…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-ASR-Flash

Qwen-Audio-3.1-ASR-Flash 是面向短音频的非实时语音识别模型,输入音频、输出文本,适用于多语言语音和文化内容转写。官方发布公告将其列于 2026 年 9 月 21 日。(alibabacloud.com) 支持多语言及多个地区的中文方言识别,并针对中文古诗词的韵律、节奏和文言表达进行优化。 支持上下文增强、标点预测、文本规范化、转写润色,以及多人对话的说话人区分;支持多种方言…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Streaming

端到端实时语音识别模型,输入音频、输出文本,由阿里云百炼提供推理服务。适用于实时会议转写、直播字幕和智能交互等场景。(alibabacloud.com) 支持流式语音转写、多语言及多地区中文方言识别、中英文切换、热词和上下文增强、标点预测、文本规范化,以及多种方言的可控语音识别或语音翻译输出。官方称其具备噪声鲁棒性。(alibabacloud.com) 支持 WebSocket 接入。实时识别文档…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Message

面向语音消息、语音输入法和企业业务场景的生成式自动语音识别模型,由阿里云百炼提供推理服务。输入为音频,输出为文本。(alibabacloud.com) 支持中文、英文及多语言识别,重点优化印尼语、日语、泰语、菲律宾语、越南语、韩语和马来语;可自动识别语言或指定目标语种。 支持流式上屏、P0/P1 热词、文本归一化、结合前文转写和业务上下文识别,以及可开关的原生文本润色。 中文方言可保留口语原文或转…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-TTS-Next

Qwen-Audio-3.1-TTS-Next 是面向统一音频生成的 AudioGen 模型,由阿里云百炼提供推理服务。它不局限于传统文本转语音,可结合文本、时间戳和参考音频,一次生成包含人声、音效和环境音的完整音频。(docs.bailian.console.aliyun.com) 支持中文和英文,可用于单人语音、多人对话、播客、影视声景、环境音和音效生成;适用于内容创作、短视频、播客、影视及游…

了解模型简体中文
Alibaba

Qwen3.8-Omni-Flash-Realtime

面向实时音视频交互的全模态模型,可在接收流式音视频时进行交互,并输出文本和音频。适用于实时语音助手、客服、视觉问答等场景。(alibabacloud.com) 输入文本、流式音频和视频连续图像帧;输出文本和音频。 支持自定义工具调用、远程 MCP 工具和视频聚合。 支持 WebSocket、WebRTC 和 AOQ。WebSocket 接入支持 1、2、4 声道,多通道输入使用 16 kHz…

了解模型简体中文
Alibaba

Qwen-Audio-3.1-Realtime-Plus

Qwen-Audio-3.1-Realtime-Plus 是阿里云百炼提供的实时双工语音对话模型。官方上架公告日期为 2026-09-20。(alibabacloud.com) 支持文本和音频输入、输出,以及实时双工语音对话。 支持 Function Calling、联网搜索和声音复刻;沿用 3.0 Plus 的接入协议,保留原有音色并新增 8 个系统音色。 可用于实时语音助手、语音交互及需要调用…

了解模型简体中文
Alibaba

Qwen-Image-2.1

Qwen-Image-2.1 是统一的文本生成图像与图像编辑模型。其视觉生成组件包含约 70 亿参数,采用 32 层单流扩散 Transformer;官方提供模型权重。(github.com) 根据文本生成普通图像或带透明通道的 RGBA 图像,也可编辑透明图层、从照片中提取主体。 支持最多 10 张参考图像;可通过圈选、涂画标记或独立蒙版指定局部编辑区域,并支持保持人物或产品的身份一致性。 官方…

了解模型简体中文
Alibaba

Qwen3.8-LiveTranslate

Qwen3.8-LiveTranslate 是面向多语言实时音视频同声传译的模型。官方公告发表于 2026-09-18;对应的百炼实时 API 模型 ID 为 qwen3.8-livetranslate-flash-realtime。(qwen.ai) 接收音频和可选图像,输出翻译文本,并可生成翻译语音;音频输入为必需,图像可来自视频流,用于辅助消歧。(docs.bailian.console.a…

了解模型简体中文
Alibaba

HappyOyster Acting

HappyOyster Acting 是阿里云百炼提供的实时交互角色演绎模型,属于 HappyOyster 世界模型系列。官方上架记录日期为 2026 年 9 月 17 日;模型目前处于邀测阶段。(help.aliyun.com) 接收文本和图像,生成指定人设风格的角色与场景,并通过文本指令实时驱动角色互动;输出为实时视频流。 创建角色演绎世界时需提供提示词和首帧图。默认画幅为 9:16,也支持…

了解模型简体中文
Alibaba

HappyOyster Directing

HappyOyster Directing 是用于实时交互和沉浸式演绎的开放式世界模型。它根据文本和图像生成世界场景,并可在生成过程中通过文本指令驱动实时演绎;输出为视频。(help.aliyun.com) 实时导演模式使用 Prompt 或结构化剧本及横屏首帧图,可选参考图;支持文本指令、暂停、回溯和恢复。(help.aliyun.cn) 可流式生成最长 3 分钟的视频,并在生成过程中注入指令改…

了解模型简体中文
Alibaba

HappyOyster Adventure

HappyOyster Adventure 是阿里云百炼提供的实时交互、可探索开放式世界模型。它基于文本和图像生成世界场景,输出实时交互视频,支持用户通过移动、视角和动作指令探索场景。(alibabacloud.com) **输入与输出:**输入为文本和图像;Adventure 使用文本提示词与首帧图创建世界,输出实时交互视频流。 **交互:**支持第一人称或第三人称视角、实时位移和镜头控制;可根…

了解模型简体中文
Alibaba

Qwen3.8-Omni-Flash

Qwen3.8-Omni-Flash 是面向音视频理解、内容分析及智能体应用的多模态模型,由阿里云百炼提供推理服务。(alibabacloud.com) 支持文本、图片、音频和视频输入,输出文本;可用于音视频理解、会议纪要、字幕生成、文本问答及多模态内容分析。(help.aliyun.cn) 支持思考与非思考模式、函数调用、联网搜索和上下文缓存;思考模式默认开启,推理强度可调。支持 Chat…

了解模型简体中文