# 大模型服务平台百炼 #
1
关注
1518内容
通义 CoGenAV 大模型音画同步感知，重新定义语音理解边界
CoGenAV 是一种创新的多模态语音理解模型，核心理念是实现“音画同步”的深度理解。通过学习 audio-visual-text 的时序对齐关系，构建更鲁棒、更通用的语音表征框架。它在视觉语音识别（VSR）、音视频语音识别（AVSR）、语音增强与分离（AVSE/AVSS）及主动说话人检测（ASD）等任务中表现出色，尤其在嘈杂环境下性能显著提升。仅需 223 小时数据训练即可媲美传统数千小时数据的效果，大幅降低训练成本。CoGenAV 支持主流平台如 GitHub、HuggingFace 和 ModelScope，助力多场景应用开发。
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
本文描述在阿里云上从0开始构建一个LLM智能问答钉钉机器人。LLM直接调用了阿里云百炼平台提供的调用服务。
专家对谈｜AI推动文化传媒行业向“新”发展
随着“人工智能+”行动的深入推进，文化传媒行业正经历深刻变革。云计算与AI深度融合，重构内容生产、分发全流程，为行业注入新动能。预计到2025年，我国AI核心产业规模将破万亿，文化传媒作为技术应用先锋，以两位数增速迈向智能化。在CCBN活动现场，中央广播电视总台与阿里云探讨了大模型如何驱动行业升级，展望未来新图景。汪莹指出，大模型将重构文化消费形态，助力生产力与传播力倍增，推动中国文化走向世界。同时，解决AI应用“最后一公里”问题需产业链各方协同发力，基于现有大模型能力进行二次开发是切实可行路径。
自媒体创作场景实践｜通义千问3 + MCP=一切皆有可能
本文介绍了通过MCP（Model Context Protocol）结合通义千问大模型实现跨平台、跨服务的自动化任务处理方案。使用Qwen3-235B-A22B模型，配合ComfyUI生成图像，并通过小红书等社交媒体发布内容，展示了如何打破AI云服务的数据孤岛。具体实践包括接入FileSystem、ComfyUI和第三方媒体Server，完成从本地文件读取到生成图像再到发布的全流程。
方案优势在于高可扩展性和易用性，但也存在大模型智能化不足、MCP Server开发难度较大及安全风险等问题。未来需进一步提升模型能力、丰富应用场景并解决安全挑战，推动MCP在更多领域落地。
通义万相新模型开源，首尾帧图一键生成特效视频！
通义万相首尾帧生视频14B模型正式开源，作为首个百亿级参数规模的开源模型，可依据用户提供的开始与结束图片生成720p高清衔接视频，满足延时摄影、变身等定制化需求。用户上传两张图片或输入提示词即可完成复杂视频生成任务，支持运镜控制和特效变化。该模型基于Wan2.1架构改进，训练数据专门构建，确保高分辨率和流畅性。
免费试用