Alibaba AI 模型与 API

HappyHorse 根据文字指令与可选参考图编辑已有视频。

HappyHorse 以首帧图像和可选文字提示生成视频。

HappyHorse 结合多张参考图像与文字提示生成视频。

HappyHorse 通过文字提示生成视频。

擅长文本渲染，能精准生成贴合物理材质的中英文，适合生成图表、海报和PPT等

擅长文本渲染，能精准生成贴合物理材质的中英文，适合生成图表、海报和PPT等

Alibaba 的 qwen3.7-plus 模型，支持文本、图像输入和文本输出。支持推理、工具调用、结构化输出。

Alibaba 的 qwen3.8-flash 模型。支持文本、图像、视频输入和文本输出。

Alibaba 的 qwen3.8-max 模型。支持文本、图像、视频输入和文本输出。

Alibaba 的向量模型，用于将输入内容转换为数值向量，支持语义检索和相似度计算。

万相3.0是 all-in-one 视频生成模型，统一支持参考、编辑、复刻、驱动等多种创作功能，四模态全能参考，最长支持30秒视频生成，可解析文件、网页及复杂图片。生产级角色一致性保持，音画真实，带来身临其境的视听冲击力。

Wan3.0-Video-Prime 是万相3.0 的高速版视频生成模型，能力对齐 Wan3.0-Video 标准版，支持四模态全能参考，最长可生成30秒视频，带来沉浸式视听体验的同时端到端速度显著提升。

千问 Qwen3-Omni-Flash 的 2025 年 12 月快照，提供多模态理解及文本、语音生成能力。

千问实时音视频对话模型，可理解文本、图像和音视频输入，并流式输出文本与语音。

千问支持指令控制的实时文本转语音模型，可通过文字指令调整语音风格。

千问多模态向量模型，支持文本、图像和视频输入，用于跨模态检索与相似度计算。

千问多模态重排模型，对查询与候选文本、图像或视频的相关性进行评分和排序。

Alibaba 的 qwen3.5-flash 模型。支持文本、图像、视频输入和文本输出。

千问实时音视频对话模型，可理解文本、图像和音视频输入，并流式输出文本与语音。

Alibaba 的 qwen3.5-plus 模型。支持文本、图像、视频输入和文本输出。

Alibaba 的 qwen3.6-35b-a3b 模型。支持文本、图像、视频输入和文本输出。

Alibaba 的 qwen3.6-flash 模型。支持文本、图像、视频输入和文本输出。

Alibaba 的 qwen3.6-max-preview 模型。支持文本输入和文本输出。

Alibaba 的 qwen3.6-plus 模型。支持文本、图像、视频输入和文本输出。

Alibaba 的 qwen3.7-max 模型。支持文本输入和文本输出。

Alibaba 的 qwen3.7-max-preview 模型。

阿里云万相图生视频模型，以参考图像和文字提示生成视频。

阿里云万相图生视频模型，以参考图像和文字提示生成视频。

阿里云万相图生视频模型，以参考图像和文字提示生成视频。