モデルカタログ

CosyVoice V3.5 Plusは、生成された音声出力用のアリババのテキストから音声へのルートです。Nferoでは、ASR、音楽、Qwenオムニモデルとともに、オーディオスタックの一部として紹介されています。

最適な用途: 音声、字幕作成、および音声ワークフロー

Fun ASRは、音声をテキストに変換するためのアリババの音声認識ルートです。Nferoでは、変換、音声理解、RAG、エージェントワークフロープランニングに接続されています。

最適な用途: 音声、字幕作成、および音声ワークフロー

Fun ASR Flash 2026-06-15は、Alibabaの現在のマルチリンガル音声ファイル向け非リアルタイム認識スナップショットです。Nferoは、正確なモデルIDと実装計画のための公式アクセス経路を記録しています。

最適な用途: 音声、字幕作成、および音声ワークフロー

Fun ASR Realtimeは、Alibabaが推奨する継続的な多言語音声認識および対応方言のためのルートです。Nferoは、公開トランスクリプションが無効になっている間、計画パスを文書化します。

最適な用途: 音声、字幕作成、および音声ワークフロー

Fun Music V1は、Nferoオーディオカタログにおけるアリババのテキストから音楽へのルートです。クリエイティブな探求、音楽のアイデア出し、オーディオワークフローの計画に特化しています。

最適な用途: 音声、字幕作成、および音声ワークフロー

Qwen Audio 3.0 TTS Flashは、インタラクティブな音声およびボイスクローンワークフロー向けの低遅延合成ルートです。サポートされている条件下では、最初の音声までの時間が200ミリ秒未満であるとアリババが報告しています。

最適な用途: 音声、字幕作成、および音声ワークフロー

Qwen Audio 3.0 TTS Plusは、プロフェッショナルなボイス出力および指示制御配信向けの高品質な音声合成ルートです。Nferoは、国際的なアクセスとリスト価格の基盤を文書化しており、検証されていない公開合成を暴露していません。

最適な用途: 音声、字幕作成、および音声ワークフロー

Qwen3.5 LiveTranslate Flash Realtimeは、音声と視覚のコンテキストを組み合わせて多言語翻訳を実現し、対応条件下ではレイテンシを最短2.8秒に抑えます。Nferoは、パブリックアクセスを主張することなく、その経路を文書化しています。

最適な用途: 音声、字幕作成、および音声ワークフロー

Qwen3.5 Omni Plusは、テキスト、画像、音声、ビデオの理解または生成を組み合わせるためのアリババのマルチモーダルルートです。Nferoはこれを広範なOmniおよびエージェント計画の表面に配置します。

最適な用途: 音声、字幕作成、および音声ワークフロー

Qwen3.5 Omni Plus Realtimeは、インタラクティブなマルチモーダル体験のための低遅延のオムニルートです。Nferoでは、リアルタイム、音声、およびエージェント向けのアリババワークフローの計画に使用されます。

最適な用途: 音声、字幕作成、および音声ワークフロー