模型
OpenAudio S1
OpenAudio S1是Fish Audio推出的文本转语音（TTS）模型，基于200万小时音频数据训练，支持13种语言。采用双自回归架构和RLHF技术，生成自然流畅的语音，支持50多种情感和语调标记。具备零样本和少样本语音克隆功能，仅需10到30秒音频即可生成高保真声音。适用于视频配音、播客、游戏角色语音、虚拟助手、游戏娱乐、教育培训及客服系统等场景。提供40亿参数完整版和5亿参数开源版，满足
FantasyTalking
FantasyTalking是一种由阿里巴巴AMAP团队与北京邮电大学联合开发的AI工具，能够从静态肖像生成高质量、可动画化的虚拟形象。该工具采用双阶段视听对齐策略，结合面部专注的交叉注意力模块和运动强度调制模块，实现精准口型同步、丰富表情生成及全身动作控制。支持多种风格和姿态，适用于游戏、影视、VR/AR、虚拟主播及教育等领域。
Qwen3 Embedding
Qwen3 Embedding 是基于 Qwen3 基础模型开发的文本表征、检索与排序专用模型，支持 119 种语言，参数规模从 0.6B 到 8B。它能够精准捕捉文本语义，支持多语言处理、高效检索和语义相关性排序，并可通过个性化优化提升用户体验。在 MTEB 等任务中表现优异，适用于智能搜索、推荐系统、问答系统和教育领域等场景。
