Qwen4-Max-Preview
Qwen4-Max-Preview 是通義千問新一代旗艦多模態模型的預覽版,結合文字生成、圖片與影片理解,以及深度推理能力。(alibabacloud.com) 接收文字、圖片及影片,輸出文字;可用於程式開發、辦公、前端設計、文件與影片分析,以及複雜智慧體任務。 支援函式呼叫、聯網搜尋、內建工具,以及 JSON Object 和 JSON Schema 結構化輸出;相容 OpenAI Chat…
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。
Qwen4-Max-Preview 是通義千問新一代旗艦多模態模型的預覽版,結合文字生成、圖片與影片理解,以及深度推理能力。(alibabacloud.com) 接收文字、圖片及影片,輸出文字;可用於程式開發、辦公、前端設計、文件與影片分析,以及複雜智慧體任務。 支援函式呼叫、聯網搜尋、內建工具,以及 JSON Object 和 JSON Schema 結構化輸出;相容 OpenAI Chat…
Qwen-Audio-3.1-Realtime-Flash 是即時雙工語音對話模型,由阿里雲百煉提供推論服務。官方模型發布紀錄日期為 2026-10-27。(docs.qwencloud.com) 支援文字與音訊輸入、文字與音訊輸出、函式呼叫、聯網搜尋及聲音複製。聯網搜尋需以 enable_search 啟用,並可與函式呼叫同時使用。(docs.bailian.console.aliyun.com…
Qwen-Audio-3.1-TTS-Plus 是專為精品音色與內容創作設計的專業級文字轉語音模型,側重音質、解析度與表現細節。輸入為文字,輸出為音訊。(docs.qwencloud.com) 支援多種語言及方言、串流語音合成、自然語言指令,以及細粒度標籤控制;可調整情緒、語氣、角色、語速和音量。 支援聲音複刻;官方表示,模型對含雜訊或混響的參考音訊有較強的穩健性。亦支援音色設計。 適用於品牌聲音…
面向低延遲即時互動的文字轉語音模型:輸入文字,輸出音訊,適合語音助理、即時對話及智慧客服。(help.aliyun.com) 支援串流語音合成、多種語言和方言;可透過自然語言指令及細粒度標籤控制情緒、語氣、角色、語速和音量。(docs.qwencloud.com) 支援系統音色、聲音複製與聲音設計;在聲音複製場景中,官方稱其對參考音訊中的雜訊和混響更具韌性。支援 WebSocket 與 HTTP…
Qwen-Image-2.1 的加速版圖像生成與編輯模型,視覺生成部分採用 7B 參數架構,以 8 步去噪完成生成或編輯。可透過阿里雲百煉 API 使用,也可取得權重自行部署。(github.com) 接受文字及圖片輸入,輸出圖片;支援文字生成圖片、圖片編輯、多參考圖及局部控制。(help.aliyun.com) 支援原生透明圖像、文字排版及人像生成等,適合商品圖片、去背素材、海報與圖片變體製作。…
Qwen-Image-2.1-Pro 是通義千問系列的圖像生成與編輯模型,統一支援文生圖及圖生圖/圖像編輯,旨在兼顧生成品質、推理效率與成本。其視覺生成組件有 70 億個參數。(docs.modelstudio.console.alibabacloud.com) 接收文字及圖像輸入,輸出圖像;可依提示詞生成一般圖像或帶 Alpha 通道的透明圖像,亦可編輯透明圖層及從照片擷取主體。 圖像編輯最多可…
面向高頻業務判斷的預覽版結構化決策模型。官方發布日期為 2026 年 9 月 24 日;公告列出的服務地區包括新加坡及中國華北 2(北京)。(docs.qwencloud.com) 模型根據文字或業務狀態,在一次前向運算中完成分類、是非判斷及評分,回傳決策結果及機率資訊;適用於工單分流、內容審核、代理路由與結果驗證。官方 API 將問題分為 choice、noul 和 score 三類。(help…
端到端、非即時的語音辨識模型,以音訊為輸入、文字為輸出,適合長音訊檔案轉寫;推論服務由阿里雲百鍊提供。適用於會議逐字稿、內容製作及通話分析。(alibabacloud.com) 支援多語言及多地區中文方言辨識,包括普通話、粵語、吳語、閩南語、客家話,以及英語、日語和韓語等。(help.aliyun.cn) 支援熱詞與上下文增強、說話人分離、標點預測、文字正規化及多種方言的可控 ASR/AST 輸出…
Qwen-Audio-3.1-ASR-Flash 是面向短語音的非即時語音辨識模型,輸入音訊並輸出文字,適合多語種及文化內容轉寫。(alibabacloud.com) 支援多語種及多地區中文方言辨識,並針對中文古詩詞的韻律、節奏和文言表達進行優化。 支援上下文增強、標點預測、文字規範化、原生轉寫潤飾及多人對話分角色轉寫;亦支援部分方言的可控 ASR/AST 輸出。 適合短錄音轉寫、多語言內容整理及…
端到端即時語音辨識模型,以音訊為輸入、文字為輸出,適合即時會議、直播字幕及智慧互動等持續轉寫場景。串流期間可返回中間結果及最終結果。(alibabacloud.com) 支援多語言與多地區中文方言辨識、中英文切換、熱詞及上下文增強、標點預測和文字正規化。 支援多種方言的 ASR/AST 可控輸出;官方亦稱其具有抗雜訊能力。(alibabacloud.com) 可透過 WebSocket 或 AOQ…
生成式語音辨識模型,輸入音訊、輸出文字,針對語音訊息、輸入法及企業業務場景最佳化。官方上架日期為 2026-09-21。(alibabacloud.com) 支援中文、英文及其他語言,特別最佳化印尼語、日語、泰語、菲律賓語、越南語、韓語及馬來語;可自動辨識語言或指定目標語言。 支援串流轉寫、P0/P1 熱詞、文字正規化、利用前文轉寫和業務上下文輔助辨識,以及可開關的文字潤飾。 可將中文方言轉寫為方…
Qwen-Audio-3.1-TTS-Next 是統一音訊生成模型,不限於傳統文字轉語音。它可依據文字、時間資訊及參考音訊,一次生成包含人聲、音效與環境音的完整聲景;支援單人說話、多人對話、Podcast 和影視聲景等任務。適用於內容創作、短影片、播客、影視與遊戲音訊製作。(docs.modelstudio.console.alibabacloud.com) 輸入:文字及可選的參考音訊;官方列出的…
Alibaba 的即時全模態模型,面向串流影音互動,由阿里雲百煉提供推論服務。阿里雲國際站的新加坡地域更新公告將此模型列於 2026-09-21。(alibabacloud.com) 支援文字、圖片、串流音訊與影片影格輸入,輸出文字及音訊;支援多聲道音訊、影片聚合、自訂工具呼叫、遠端 MCP 工具和聯網搜尋。(docs.qwencloud.com) 可透過 WebSocket、WebRTC 或…
Qwen-Audio-3.1-Realtime-Plus 是阿里雲百煉的即時雙工語音對話模型,適合建立即時語音互動應用。官方將其列為語音到語音模型,無須分別呼叫語音辨識與語音合成模型。(alibabacloud.com) 支援文字及音訊輸入、文字及音訊輸出,可用於即時語音助理等互動場景。 支援函式呼叫、聯網搜尋及聲音複刻;沿用 3.0 Plus 的接入協定,保留既有音色並新增 8 個系統音色。 支…
Qwen-Image-2.1 是通義千問的統一圖像生成與編輯模型,提供可下載的模型權重;其視覺生成部分有 70 億參數。原始模型於 2026 年 9 月 20 日發布;Turbo 權重及 Pro、Turbo 託管 API 於 2026 年 10 月 9 日推出。(github.com) 輸入文字或參考圖片,生成或編輯圖片;支援原生 RGBA 透明背景、透明圖層編輯與主體擷取。 支援最多 10 張參…
Qwen3.8-LiveTranslate 是面向即時同聲傳譯的模型,提供串流語音翻譯、文字譯文與語音譯文;API 模型 ID 為 qwen3.8-livetranslate-flash-realtime。官方公告發布日期為 2026 年 9 月 18 日。(qwen.ai) 多語言翻譯:官方公告列出 60 種音訊輸入與文字輸出語言,其中 29 種支援語音輸出。 多人對話:即時區分說話者及其發言,…
HappyOyster Adventure 是可即時互動與探索的開放式世界模型,可根據文字及影像輸入生成世界場景,並以影片形式呈現。使用者可透過移動、鏡頭及動作指令探索場景。(alibabacloud.com) 輸入為文字與影像;Adventure 模式建立世界時需要首幀影像,影片畫面比例跟隨該影像。輸出為影片及即時體驗。(docs.bailian.console.aliyun.com) 可用於互…
Qwen3.8-Omni-Flash 是面向影音理解、多模態內容分析與智慧代理任務的全模態模型。官方 Model Studio 更新紀錄列出的日期為 2026 年 9 月 17 日。(alibabacloud.com) 接受文字、圖片、音訊及影片輸入,輸出文字;可用於影音摘要、多媒體分析、文字生成及代理工作流程。 支援思考與非思考模式、函式呼叫、網路搜尋及上下文快取;思考模式預設啟用,推理強度可調…
Qwen3.8-Max-0902 是 Qwen3.8-Max 旗艦模型的升級快照,別名為 qwen3.8-max-2026-09-02。官方公告將其標示為 2026 年 9 月 2 日的快照;千問 AI 平台則自北京時間 2026 年 9 月 5 日起,將 qwen3.8-max 自動指向此快照,計費項目及價格不變。(platform.qianwenai.com) 支援文字、圖片及影片輸入,輸出文…