FireRed 統一音訊理解、TTS 與語音編輯
FireRedTeam 推出 FireRedAudio，一款採用共享 9B 參數骨幹、並以獨立路徑處理理解與語音生成的通用音訊語言模型。本次發布也包含 FireRedTTS3，支援多語言零樣本聲音複製、自然語言聲音設計，以及語意與聲學語音編輯。
Search
Tag: #multilingual49 results
🤖
阿里巴巴 Marco-Mini：17.3B MoE 僅 0.86B 激活
阿里巴巴推出 Marco-Mini-Instruct（17.3B 總數，0.86B 激活，5%）與 Marco-Nano（8B，0.6B 激活）。在英文/多語基準勝 Qwen3-4B、Gemma3-12B。Apache 2.0，HF 模型可用。
🤖
GigaChat 3.1 Ultra 702B 與 Lightning 10B 發布
GigaChat 在 Hugging Face 以 MIT 授權發布 GigaChat-3.1-Ultra（702B MoE）與 GigaChat-3.1-Lightning（10B MoE）開放權重。從頭預訓練，在基準測試超越 DeepSeek-V3 與 Qwen3，優化英文/俄文及工具呼叫。Ultra 適合高資源環境；Lightning 擅長本地推理，支援 256k 上下文。
全球首個藏語大語言模型 DeepZang 發布
全球首個藏語大語言模型 DeepZang 在拉薩發布，標誌中國在民族語言 AI 領域領先。西藏覺羅數字開發，支持藏中英互動，包括對話、翻譯和語音轉寫。擁有近 7000 萬平行語料和超過 30500 小時語音數據，獲世界紀錄認證。
阿里發布 Qwen-Image-3.0 圖像生成模型
阿里正式推出 Qwen-Image-3.0，這是其圖像生成基礎模型的第三代產品。該模型具備更強的性能，包括支援 4.5k token 輸入、10px 小字精準渲染以及 12 種語言的原生渲染能力。
Unlimited-OCR：用於文件解析的 3.3B 多語言模型
百度在 ModelScope 上發布了 Unlimited-OCR，這是一款 3.3B 參數的模型，專為圖像、多頁文件和 PDF 的單次解析而設計。它支援 32K 輸出長度，並針對全文件提取進行了優化。
Mistral 發布用於多語言文件提取的 OCR 4
Mistral 發布了 OCR 4，這是一款專為 170 種語言的高精度文件提取而設計的新工具。它提供包含邊界框、區塊類型和區域分數的結構化輸出。
PP-OCRv6 發布：支援 50 種語言與可擴展架構的 OCR
PP-OCRv6 已於 Hugging Face 發布，支援 50 種語言。該模型系列涵蓋從 1.5M 參數的輕量級版本到 34.5M 參數的高效能版本。
🔬
用於 AI 開發的全新開放多語言數據集
GitHub 發布了一個基於 CC0-1.0 授權的全新儲存庫層級數據集。該數據集匯集了來自 README、Issue 與 Pull Request 的多語言開發者內容，以支援 AI 研究。
IBM 發布具備 32K 上下文的 Granite Embedding Multilingual R2
IBM 發布了以 Apache 2.0 授權開源的 Granite Embedding Multilingual R2 模型。該模型在 1 億參數以下的規模中提供頂尖的檢索品質，並支援 32K 的上下文視窗。