近日，通义大模型发布CoGenAV，以音画同步理念创新语音识别技术，有效解决语音识别中噪声干扰的难题。 传统语音识别在噪声环境下表现欠佳，CoGenAV则另辟蹊径，通过学习audio-visua

近日，通義大模型發佈CoGenAV，以音畫同步理念創新語音識別技術，有效解決語音識別中噪聲干擾的難題。 傳統語音識別在噪聲環境下表現欠佳，CoGenAV則另闢蹊徑，通過學習audio-visua

Recently, the Alibaba Speech AI team announced the open-source release of ThinkSound, the world's

2025年7月，阿里巴巴通义实验室正式开源其首款音频生成模型ThinkSound，为视频内容创作带来革命性突破。这款多模态AI模型能够基于视频、文本或音频输入，生成高保真的音效与音景，完美适配画面

In July 2025, Alibaba's Tongyi Lab officially open-sourced its first audio generation model, Think

2025年7月，阿里巴巴通義實驗室正式開源其首款音頻生成模型ThinkSound，爲視頻內容創作帶來革命性突破。這款多模態AI模型能夠基於視頻、文本或音頻輸入，生成高保真的音效與音景，完美適配畫面

2025年7月、アリババ・トングイラボはその初の音声生成モデル「ThinkSound」を正式にオープンソース化しました。このモデルは動画コンテンツ制作に革命をもたらし、画期的な突破を実現しました。

在AI图像生成领域，一项革命性技术新鲜出炉:Qwen-Image-i2L。这款由阿里通义实验室推出的开源工具，能将任意单张图片瞬间转化为可微调的LoRA（Low-Rank Adaptation）模

阿里巴巴正式推出 Qwen3家族最新成员 Qwen3-TTS，主打“零样本、多角色、跨语言”语音合成。新模型在词错误率（WER）国际基准上显著优于主流商用引擎，同步上线阿里云控制台，开发者可0元调

昨晚，一张1024×1024的霓虹汉服大片在RTX4090上只用2.3秒就渲完，显存指针稳稳停在13GB——阿里通义实验室丢出的Z-Image-Turbo让围观群众瞬间安静:参数只有6B，却把20