模型中心

text-embedding-ada-002

bge-m3

text-embedding-3-large

主打低清图像的高清重建。通过深度学习算法实现2-4倍放大，可将模糊图像修复至高清画质，同时精准保留纹理、边缘等细节，避免传统插值的模糊问题。具备抗压缩鲁棒性，适配JPEG、WebP等格式，支持移动端实时处理，已集成于抖音、剪映等产品，服务于短视频制作、摄影修复等场景。

暂未提供模型说明。

暂未提供模型说明。

Paraformer-V2

暂未提供模型说明。

Whisper

采用混元生3D 极速版模型，可将生成模型时间缩短至1分30秒内，可在较短时间内生成3D 模型文件。

输入单几何模型和参考图或文字描述后，可生成对应的纹理贴图。

输入模型后，可根据模型纹理进行UV展开，输出对应UV贴图。

采用混元生3D 3.0 模型，可生成更高精度以及更高质量的3D 模型，支持文生3D，图生3D，多视图生3D，单几何生成（白模），草图生3D，智能拓扑生3D功能。

Seed3D 2.0是基于 Diffusion Transformer（DiT）架构实现的 3D生成模型，能够在几分钟内输出包含多边形面片与 PBR 材质的高精度资产，其生成结果具备边缘锐利清晰、薄面结构稳定不变形的特征，所有几何细节在 6K 分辨率下仍保持清晰可见，能够满足不同领域对高精度 3D资产的需求。

输入3D模型文件后，根据模型结构自动进行组件识别生成。

采用 Polygon 1.5模型，输入3D 高模后，可生成布线规整，较低面数的3D 模型。

通用文本向量，是通义实验室基于LLM底座的多语言文本统一向量模型，面向全球多个主流语种，提供高水准的向量服务，帮助开发者将文本数据快速转换为高质量的向量数据。

Doubao-embedding

Doubao-embedding-large

百聆2026年6月更新的大模型ASR版本，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力，使输出文本更符合书面表达习惯，数字、日期、金额等信息自动转换为标准格式，增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等，共计30个语种。支持context上下文能力，可转写5分钟以内的音频。

百聆2026年6月更新的大模型ASR版本，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力，使输出文本更符合书面表达习惯，数字、日期、金额等信息自动转换为标准格式，增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等，共计30个语种。支持context上下文能力，可转写5分钟以内的音频。

来自谷歌的轻量级、先进的开放模型，这些模型的构建基于与创建 Gemini 模型时相同的研究和技术基础。

百聆2026年6月更新的大模型ASR版本，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力，使输出文本更符合书面表达习惯，数字、日期、金额等信息自动转换为标准格式，增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等，共计30个语种。支持context上下文能力，可转写5分钟以内的音频。