您现在的位置是:热点 >>正文
阿里云推出全球首个全模态 AI 模型 Qwen3-Omni,实现文本、图像、音频与视频的统一处理
热点1484人已围观
简介...
阿里云发布了 Qwen3-Omni,标志着全球首个原生端到端全模态 AI 模型的问世,并且该模型现已开源。Qwen3-Omni 具备处理文本阿、图像、音频和视频等多种输入类型的能力,能够实现实时流式输出,无论是通过文本还是自然语音,均能快速响应。
Qwen3-Omni 模型在多里云个领域展现出跨模态的先进表现。通过早期以文本为核心的预训练和混合多模态训练,该模型具备了强大的多模态能力。在音频和视频的性能上尤为出推出色,同时在文本和图像的效果上也能保持高标准。根据36项音频和视频的基准测试,Qwen3-Omni 在22项中达到了最新的领先水平,尤其全球是在自动语音识别和音频理解等领域的表现已与同行业的 Gemini2.5Pro 不相上下。
Qwen3-Omni 支持119种文本语言和19种语音首个输入语言,另外还有10种语音输出语言,包括英语、中文、法语和德语等多种语言。此项功能让它能够更好地服务于全球用户。其创新的架构设计基于 MoE(全模专家混合)系统,结合了 AuT 预训练,从而使模型具有强大的通用表征能力。同时,多码本设计确保了低延迟的实时音频和视频交互,支持自然对话的流畅进行态 。
除了 Qwen3-Omni,阿里云还发布了 Qwen3-TTS,一个支持17种音色选择的文本转语音模型。该模型在多项评估基准中表现出色,超AI越了多款竞品,尤其在语音稳定性和音色相似度方面尤为突出。
Qwen-Image-Edit-2509是另一个新发布的工具,专注于图像编辑的多图像 模支持,显著提升了编辑的一致性和效果。它不仅能够处理单图像,还支持多图像的拼接编辑,能够满足更复杂的编辑需求。
GitHub:https:型 //github.com/QwenLM/Qwen3-Omni
huggingface:https://huggingface.co/colleQwctions/Qwen/qwen3-omni-68d100a86cd0906843ceccbe
划重点:
Qweenn3-Omni 是全球首个原生端到端全模态 AI 模型,支持文本、图像、音频和视频的统一处理。
模型支持119种文本3-语言和19种语音输入,能够满足全球用户的多语言需求。
️ 新发布的 Qwen-Image-Edit-2509支持多图像编辑,Om显著提升编辑的一致性和效果。
Tags:
相关文章
云计算开发:Python3集合内置Set copy()方法
热点描述 Python3 copy() 方法用于拷贝一个集合。 语法 以下是 copy() 方法的语法: set.copy() 返回值 返回拷贝的集合。 实例 拷贝 fruits 集合:...
【热点】
阅读更多OpenAI年收入已远超130亿美元,上市计划仍遥遥无期
热点在最新一期的 BG2播客节目中,OpenAI 首席执行官萨姆・奥尔特曼(Sam Altman)与微软首席执行官萨提亚・纳德拉(Satya Nadella)展开了一场深度对话,揭示了关于 OpenAI...
【热点】
阅读更多标签: Seedream5.0Pro 字节 多模态图像生成 火山方舟
热点云梦级7月9日云梦级消息,8日,字节正式发布多模态图像创作模型—— Seedream 5.0 Pro。 相比之前版本,Seedream 5.0 Pro 在图文匹配、结构合理性、文字渲染与画面美感等基础...
【热点】
阅读更多