语音合成
语音合成，又称文本转语音（Text-to-Speech，TTS），是将文本转换为自然语音的技术。该技术基于机器学习算法，通过学习大量语音样本，掌握语言的韵律、语调和发音规则，从而在接收到文本输入时生成真人般自然的语音内容。示例场景和语音聊天数字人日常闲聊电话客服客服提醒直播带货推荐T恤有声阅读诗歌朗诵语音导航导航播报
2025-03-24
浏览:1000+
音频理解
通义千问Audio是阿里云研发的大规模音频语言模型，能够接受多种音频（包括说话人语音、自然声音、音乐、歌声）和文本作为输入，并输出文本。通义千问Audio不仅能对输入的音频进行转录，还具备更深层次的语义理解、情感分析、音频事件检测、语音聊天等能力。功能介绍识别多种音频识别人类语音：除了语音转文本，还能分析说话
2025-03-24
浏览:1000+
Qwen-Omni 模型
Qwen-Omni 系列模型支持输入多种模态的数据，包括视频、音频、图片、文本，并输出文本。支持的模型相比于Qwen-VL与Qwen-Audio模型，Qwen-Omni 模型可以：理解视频文件中的视觉与音频信息；理解多种模态的数据；在视觉理解、音频理解等能力上，Qwen-Omni 模型也表现出色。模型名称版本上下文长度最大
2025-03-24
浏览:1000+
文字提取（OCR）
通义千问OCR是文字提取专有模型，专注于文档、表格、试题、手写体文字等类型图像的文字提取能力。它能够识别多种文字，目前支持的语言有：汉语、英语、法语、日语、韩语、德语、俄语、意大利语、越南语、阿拉伯语。您可以在百炼平台进行在线体验通义千问OCR模型的功能。支持的模型通义千问VL模型按输入和输出的总Token数进行
2025-03-24
浏览:1000+
通义千问VL
通义千问VL模型可以根据您传入的图片来进行回答。访问视觉模型可以在线体验图片理解能力。应用场景图像问答：描述图像中的内容或者对其进行分类打标，如识别图像中的人物、地点、植物等，并给出对应的描述或标签。文字识别（OCR）：识别图像中的文字，如文档截图、日常图像等，并支持格式化输出文本内容。通义千问VL模型能识
2025-03-24
浏览:1000+
上下文缓存（Context Cache）
您在使用文本生成模型时，不同的推理请求之间可能会有重合的输入内容（如多轮对话、针对一本书的多次提问等），Context Cache 技术可以将这些请求的公共前缀内容进行缓存，在推理时减少重复的运算量，提升响应速度，在不影响回复效果的情况下降低您的使用成本。支持的模型当前支持qwen-max、qwen-plus、qwen-tu
2025-03-24
浏览:1000+
批量推理（Batch）
对于无需实时响应的业务场景，批量推理服务可以通过离线方式进行大规模数据处理。批量推理的计费仅为实时推理的50%，帮助您有效节省资源消耗成本。支持的模型文生文模型：qwq-plus、qwen-max、qwen-plus、qwen-turbo、qwen-long、qwq-32b-preview视觉理解模型：qwen-vl-max、qwen-vl-plus全模态模型：qwen-omni-turbo通用文
2025-03-17
浏览:1000+
指定前缀续写（Partial Mode）
在解答数学考试的应用题时，我们需要以“解：”开头，否则可能会扣除格式分。类似地，在某些场景中，您可能需要大模型基于特定前缀来续写内容。为了实现这一功能，您可以在使用通义千问 API 时开启 Partial Mode，这将使大模型能够从您提供的起始文本继续生成内容。支持的模型qwen-max 系列qwen-max、qwen-max-0125、qwen-m
2025-03-17
浏览:1000+
Json Mode
在信息抽取场景，您可以通过提示词来指引大模型生成标准格式的 JSON 字符串。但大模型输出内容具有不确定性，返回的内容可能不符合 JSON 格式（比如输出的内容多了```json```，或“以下为JSON字符串”等内容），这会影响到后续的解析步骤。开启结构化输出功能可以确保大模型输出标准格式的 JSON 字符串。支持的模型结构化输
2025-03-17
浏览:1000+
Function Calling
大模型在面对实时性问题、数学计算等问题时可能效果不佳。您可以使用 Function Calling 功能，通过引入外部工具，使得大模型可以与外部世界进行交互。支持的模型当前支持通义千问的大语言模型。支持的模型为：通义千问-Max通义千问-Plus通义千问-Turbo通义千问-LongQwen2.5Qwen2Qwen1.5Qwen暂不支持通义千问多模态模型。建议
2025-03-13
浏览:1000+
