Alibaba Cloud Model Studio:推奨モデル

Qwen モデル

最も高性能なものから最も費用対効果の高いものまで、ユースケースに合わせて選択できます。

サードパーティモデル

Qwen モデルと同じ API フォーマットです。

理解

画像や動画からテキスト記述または構造化データを抽出できます。

生成

テキストや画像から画像や動画を生成でき、編集、参照、高解像度出力にも対応しています。

音声合成

オーディオブックの読み上げ、音声放送、バーチャルアバターなどの用途に対応します。

音楽生成

プロンプトや歌詞から音楽を生成します。

音声認識

専用の ASR と LLM ベースのアプローチから、精度と柔軟性に基づいて選択できます。

スピーチトゥスピーチ

個別の ASR と TTS の呼び出しなしで、エンドツーエンドの音声会話を実現します。

テキスト、画像、オーディオ、動画の各モダリティにわたる理解と生成の機能を統合します。

テキストまたはマルチモーダルコンテンツをベクトルに変換し、再ランキングと組み合わせて検索精度を向上させます。