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
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 模型在多个领域展里云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色,同时推出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,尤其是在自动语音识全球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种语音输入语言,另外还首个有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(专家混合)系全模统,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。 除了态 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,超越了多款竞AI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支持,显 模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://g型 ithub.com/QwenLM/Qwen3-Omni huggingface:https://huggingface.co/colleQwctions/Qwen/qwen3-omni-68d100a86cd0906843ceccbe 划重点: Qwen3-enOmni 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种文本语言和19种语音3-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,显著提Om升编辑的一致性和效果。
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 标签: 金山办公 WPS WPS365 AI办公
- 小红书自动化神器xiaohongshu-mcp上线!AI助力内容创作,解放你的双手!
- 标签: 阿里巴巴 淘宝闪购 高德 千问App
- 标签: 英伟达 cuDF cuVS GTC2026
- 中台之于银行,蜜糖还是砒霜?
- Twitter重启纽约和旧金山办公室:开放一半工位
- 谁也逃不掉的大数据PUA,我被Wonderlab代餐奶昔盯上了
- AI 女友应用安全崩塌:超40万用户4300万条私密对话泄露
- 云计算开发:Python内置函数-delattr()函数详解
- 19天备战 691亿次红包互动 京东云独立抗住了
- 标签: 途虎-W 途虎养车 汽车后市场 新能源维修
- 标签: 雅迪 电动两轮车 台铃 爱玛
- 中国自动驾驶分级国标正式出台 明年3月份实施
- AI现在能教你画画了
- 2020胡润世界500强发布:苹果第一 特斯拉冲进前十
- AI 女友应用安全崩塌:超40万用户4300万条私密对话泄露
- 标签: 豆包 Seed2.1 字节跳动 火山引擎
- 标签: 英伟达 DGX Cloud AWS Blackwell
- 套现超120亿元 阿里出售高鑫零售全部股权
- 云安全日报210611:IBM应用服务器发现权限提升漏洞,需要尽快升级
- 搜索
-
- 友情链接