阿里云百炼提供千问及第三方模型服务，覆盖文本、图像、音频、视频等多种模态。
文本生成
复杂推理与编程
性能、速度与成本均衡
快速且低成本
文本生成
文本生成
文本生成
文本生成
文本生成
文本生成
图像与视频
理解
分析图片和视频内容，返回文本描述或结构化结果
生成
通过文本或图片生成图像与视频，支持编辑、参考与高分辨率输出
图像生成
图像生成
视频生成
视频生成
视频生成
视频编辑
视频生成
世界模型
实时交互的开放式世界模型，覆盖世界探索、实时导演、角色演绎三种模式
音频与语音
音频生成
生成人声、音效和环境音等音频内容
语音合成
适用于有声阅读、语音播报、虚拟人等场景
语音识别
将语音转换为文本，覆盖实时语音输入、持续转写和录音文件识别等场景
实时语音识别
实时语音识别
非实时语音识别
非实时语音识别
语音转语音
端到端语音对话，无需分别调用 ASR 和 TTS
语音转语音
语音转语音
语音转语音
qwen-audio-3.1-realtime-flash
语音转语音
全模态
融合文本、图像、音频、视频等多种模态的理解与生成能力。音视频分析与文本生成选择 qwen3.8-omni-flash，通过 Chat Completions 或 Responses 调用；实时音视频对话选择 qwen3.8-omni-flash-realtime。
说明如需离线语音输出，请使用 qwen3.5-omni-plus。
向量与重排序
文本或图文向量化，配合重排序提升检索精度
决策模型
面向高频业务判断的结构化决策模型，一次前向完成分类、是非判断与评分，并返回概率分布与置信度。
查看所有模型
前往模型广场查看所有千问、三方、领域及历史版本模型。