Imagen 4 Generate Preview 05-20
Google Imagen 4 的文字轉圖像公開預覽版本,最初透過 Vertex AI 提供。它接收文字提示詞並產生圖像;官方公告中的程式碼範例明確使用了該模型 ID。(cloud.google.com) 官方介紹強調圖中文字的呈現、對提示詞的遵循、多種視覺風格的圖像品質,以及多語言提示詞支援。 可用於產生創意圖片、海報和其他視覺素材。例如,官方範例使用提示詞產生帶有文字的旅遊海報。(cloud.…
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
Google Imagen 4 的文字轉圖像公開預覽版本,最初透過 Vertex AI 提供。它接收文字提示詞並產生圖像;官方公告中的程式碼範例明確使用了該模型 ID。(cloud.google.com) 官方介紹強調圖中文字的呈現、對提示詞的遵循、多種視覺風格的圖像品質,以及多語言提示詞支援。 可用於產生創意圖片、海報和其他視覺素材。例如,官方範例使用提示詞產生帶有文字的旅遊海報。(cloud.…
Google Gemini 2.5 Flash 系列的實驗性原生音訊對話模型,面向 Gemini Live API 的即時語音互動,並結合對話與推理能力。Google 於 2025 年 5 月 20 日發布了該模型,明確列出其原生音訊輸出能力。(aistudio.google.com) **原生音訊對話:**產生語音回應,適合建立即時語音助理和互動式語音應用。 **推理對話:**Google 對…
Google Gemini 2.5 Flash 系列的預覽模型,面向 Live API 即時對話,具備原生音訊輸出能力。它與單獨發布的 Thinking 變體及文字轉語音模型不是同一模型。(aistudio.google.com) 理解音訊並生成語音,可用於建構即時語音助理和對話應用;Live API 還提供音視訊輸入能力。(blog.google) 可按指示調整語音風格、語速和口音;支援工具使用…
Gemini 2.5 Flash Preview TTS 是 Google 的預覽版文字轉語音模型,側重低延遲、性價比和可控語音生成。其輸入為文字,輸出為音訊。(aistudio.google.com) 可生成單人或雙人語音,並透過指令調整語音風格、口音和語速。(aistudio.google.com) 可用於旁白、有聲書、Podcast、對話內容及語音助理等場景。(aistudio.google…
Google Gemini 2.5 Pro 系列的預覽版文字轉語音模型,面向高品質、可控制的語音合成,適合處理較複雜的語音生成提示。(blog.google) 接收文字並生成音訊,支援單人語音和雙人對話。(aistudio.google.com) 可透過自然語言提示調整語音風格、語調、情緒、語速和發音;支援多語言語音生成。(blog.google) 可用於公告、故事朗讀、Podcast 和遊戲角色…
Gemini 2.5 Flash Preview 是 Google 於 2025 年 5 月 20 日發布的預覽版模型,定位為兼顧速度、成本和推理能力的高效率模型。與此前版本相比,Google 報告其在推理、多模態、程式碼和長上下文基準上有所改進。(blog.google) 推理與控制:支援思考預算,開發者可在品質、延遲和成本之間進行權衡,也可關閉思考;Gemini API 和 Vertex AI…
騰訊混元 TurboS 系列的大型語言模型版本,面向通用文字與推理任務。此版本自適應融合長短思維鏈。(cloud.tencent.com) 官方表示,相較於先前版本,此版本提升了數學、程式碼、邏輯和科學等理科能力,文科效果維持不變。可用於數學與邏輯問題分析、程式碼相關任務及科學問題解答。官方公布的測試結果包括:數學 OOD 測試集提升 7%、邏輯難題提升 5%、程式碼能力及體驗提升 5%、科學提升…