阿里巴巴发布新一代端到端多模态旗舰模型Qwen2.5-Omni
阿里巴巴发布了新一代端到端多模态旗舰模型Qwen2.5-Omni，号称具备全方位多模态感知能力，看听说写样样精通。
采用全新的Thinker-Talker双核架构，Thinker模块负责处理多模态输入并生成语义表征和文本内容，Talker模块则负责将这些信息转化为流畅的语音输出。这种架构实现了端到端的统一，支持实时音视频交互和流畅的语音生成。
能够无缝处理文本、图像、音频和视频等多种输入形式，并同时生成文本和语音输出。支持分块输入和即时输出，实现真正的实时交互。
已在Hugging Face、ModelScope、DashScope和GitHub等平台开源，方便开发者体验和使用。
相比现有方案，语音生成的自然度和稳定性更高。在音频能力上优于同等规模的Qwen2-Audio，与Qwen2.5-VL-7B保持同等水平。在语音指令理解方面表现出色，效果可媲美文本输入。
（文章来源：证券时报网）
网友评论
郑重声明：
1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有资料、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决定证券投资并承担相应风险。
《东方财富社区管理规定》
热门评论
查看全部评论
全部评论
最新
最热
最早
垃圾男孩
2025-03-27 11:03:57
来自 山西
泡沫
置顶
删除
举报
评论
点赞
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
