阿里云百炼支持哪些AI大模型?文本生成、图像生成、语音合成及视频编辑等模型整理

简介: 阿里云百炼支持通义千问、通义万相等自研模型及DeepSeek、Kimi、Llama等第三方大模型,覆盖文本生成、图像生成、语音合成、视频生成、向量计算等多类AI能力,助力开发者高效构建应用。新用户可免费领取最高5000万Tokens。

阿里云百炼支持哪些大模型?不仅支持自家的通义千问、通义万相等,还支持第三方大模型,如DeepSeek、Kimi、GLM-4.5、Llama、百川、MiniMax等模型。阿里云百炼支持的模型类型包括文本生成、图像生成、语音合成、语音识别、视频生成、文本向量、多模态向量、角色扮演等类型。阿小云分享阿里云百炼支持大模型整理:

阿里云百炼AI大模型支持.png
阿里云百炼AI大模型

阿里云活动中心查看AI大模型

阿里云活动中心:https://t.aliyun.com/U/emyGuZ 查询AI大模型活动,新用户开通阿里云百炼平台,免费领取每个模型100万Tokens,最高可以领取5000万Tokens如下图:

免费领取阿里云百炼AI大模型Tokens

一、文本生成模型

文本生成模型分为通用大语言模型、多模态模型和领域模型:

1、通用大语言模型:

通义千问大语言模型:商业版(通义千问Max、通义千问Plus、通义千问Flash)、开源版(Qwen3、Qwen2.5)、超长文档模型通义千问Long。第三方模型包括DeepSeek、Kimi、GLM-4.5等。

2、多模态模型

多模态模型:视觉理解模型通义千问VL、视觉推理模型QVQ、音频理解模型通义千问Audio、全模态模型通义千问Omni。

3、领域模型

领域模型:代码模型、数学模型、翻译模型、法律模型、数据挖掘模型、深入研究模型、意图理解模型、角色扮演模型。

二、图像生成模型

图像生成模型分为文生图和图像编辑:

1、文生图

  • 通义千问文生图:在复杂文本渲染方面表现突出,特别是中英文文本渲染。
  • 通义万相文生图:适用于生成证件照、电商主图、模特图、各种风格人像图(动漫、国风、二次元等)。
  • 第三方模型:Stable Diffusion和FLUX。
  • 更多模型:创意海报生成、创意文字生成-WordArt锦书

2、图像编辑

  • 通义千问图像编辑:支持中英文提示词输入,可实现风格迁移、文字修改、物体编辑等复杂图文编辑操作。
  • 通义万相图像编辑:适用于扩图、去水印、风格迁移、背景生成、图像修复、图像美化等场景。
  • 更多模型:通义千问图像翻译、通义万相涂鸦作画、通义万相图像局部重绘、人像风格重绘、图像背景生成、图像画面扩展、图像画面扩展、人物实例分割、图像擦除补全、虚拟模特、鞋靴模特、人物写真生成-FaceChain、AI试衣

三、语音合成与识别模型

语音合成与识别分为语音合成和语音识别/翻译:

1、语音合成

Qwen-TTS-Realtime、Qwen-TTS、CosyVoice和Sambert可实现文本转语音,适用于智能语音客服、有声读物、车载导航、教育辅导等场景。

2、语音识别/翻译

Fun-ASR、Gummy、Paraformer和SenseVoice可实现语音转文本,适用于实时会议记录、实时直播字幕、电话客服等场景。此外,Gummy还支持语音翻译。

四、视频编辑与生成模型

视频编辑与生成分为文生视频、图生视频和视频编辑:

1、文生视频

文生视频:一句话生成视频,视频风格丰富,画质细腻。

2、图生视频

首帧生视频:以输入图像作为视频首帧,结合提示词生成完整视频。
首尾帧生视频:提供首帧与尾帧图像,结合提示词生成过渡自然的视频。
多图生视频:支持输入一张或多张图片,参考图片中的主体或背景,并结合提示词生成视频。
图+动作模板生成舞蹈视频:舞动人像AnimateAnyone基于人物图片和动作视频生成舞蹈视频。

图+音频生成对口型视频:

  • 通义万相-数字人基于人物图片和音频,动作幅度大且自然,支持全身、半身、肖像等多种画幅,适合唱歌、表演等场景。
  • 悦动人像EMO基于人物图片和音频,口型与表情表现力强,支持肖像、半身,适合人物特写场景。
  • 灵动人像LivePortrait基于人物图片和音频,适合语音播报场景。

图+表情模板生成表情包视频:表情包Emoji基于人脸图片和预设的人脸动态模板,生成人脸表情包视频。

3、视频编辑

通用视频编辑:基于输入的文本提示词、图片和视频,可执行多种视频编辑任务。例如,通过提取输入视频的运动特征,并结合提示词生成新的视频。

视频口型替换:声动人像VideoRetalk基于人物视频和音频,适合短视频制作、视频翻译等场景。

视频风格转换:视频风格重绘可将视频转换为日式漫画、美式漫画等风格。

五、向量模型

向量模型分为文本向量和多模态向量:

1、文本向量

文本向量:将文本转换成一组可以代表文字的数字,用于搜索、聚类、推荐、分类等。

2、多模态向量

多模态向量:将文本、图像、语音转换成一组数字,用于音视频分类、图像分类、图文检索等。

六、行业模型

行业模型如通义法睿、意图理解:

1、通义法睿

通义法睿:适用于法律咨询、案例分析和法规解读等。

2、多模态向量

意图理解:意图理解模型能够在毫秒级时间内解析用户意图,并选择合适工具来解决用户问题。

更多关于阿里云百炼大模型及收费标准,请参考阿里云百炼官方页面:https://t.aliyun.com/U/GKHJv2

相关文章
|
17小时前
|
云安全 人工智能 自然语言处理
|
5天前
|
搜索推荐 编译器 Linux
一个可用于企业开发及通用跨平台的Makefile文件
一款适用于企业级开发的通用跨平台Makefile,支持C/C++混合编译、多目标输出(可执行文件、静态/动态库)、Release/Debug版本管理。配置简洁,仅需修改带`MF_CONFIGURE_`前缀的变量,支持脚本化配置与子Makefile管理,具备完善日志、错误提示和跨平台兼容性,附详细文档与示例,便于学习与集成。
309 116
|
7天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
532 50
Meta SAM3开源:让图像分割,听懂你的话
|
20天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
4天前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代:Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布,提供极简方式构建企业级AI智能体。基于ReactAgent核心,支持多智能体协作、上下文工程与生产级管控,助力开发者快速打造可靠、可扩展的智能应用。
|
3天前
|
弹性计算 人工智能 Cloud Native
阿里云无门槛和有门槛优惠券解析:学生券,满减券,补贴券等优惠券领取与使用介绍
为了回馈用户与助力更多用户节省上云成本,阿里云会经常推出各种优惠券相关的活动,包括无门槛优惠券和有门槛优惠券。本文将详细介绍阿里云无门槛优惠券的领取与使用方式,同时也会概述几种常见的有门槛优惠券,帮助用户更好地利用这些优惠,降低云服务的成本。
260 132
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
AgentEvolver:让智能体系统学会「自我进化」
AgentEvolver 是一个自进化智能体系统,通过自我任务生成、经验导航与反思归因三大机制,推动AI从“被动执行”迈向“主动学习”。它显著提升强化学习效率,在更少参数下实现更强性能,助力智能体持续自我迭代。开源地址:https://github.com/modelscope/AgentEvolver
374 30
|
14天前
|
安全 Java Android开发
深度解析 Android 崩溃捕获原理及从崩溃到归因的闭环实践
崩溃堆栈全是 a.b.c?Native 错误查不到行号?本文详解 Android 崩溃采集全链路原理,教你如何把“天书”变“说明书”。RUM SDK 已支持一键接入。
698 224