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,同时在文本和推出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别和全球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,另外还有10首个种语音输出语言,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)系统,结全模合了 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 Qwen3-态 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,超越了多款竞品,尤其在AI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,显著提升 模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://githu型 b.com/QwenLM/Qwen3-Omni huggingface:https://huggingface.co/collectionsQw/Qwen/qwen3-omni-68d100a86cd0906843ceccbe 划重点: Qwen3-Omni 是全球首en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种语音输入,能3-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,显著提升编辑的Om一致性和效果。
- 最近发表
-
- 2022年五个人工智能和机器学习主要趋势
- 华为发布鸿蒙座舱 HarmonySpace 6:智能助手小艺全面升级,支持边开车边聊天!
- 栀子花开歌曲原唱
- 云计算核心技术Docker教程:Docker 守护进程dockerd运行多个守护程序
- 标签: FaradayFuture Futurist FFFaber EAI机器人
- Lambda 与微软达成数十亿美元 AI 基础设施合作协议
- 标签: 东方甄选 俞敏洪 明明 天权
- 小米开源首个原生端到端语音大模型 Xiaomi-MiMo-Audio
- 微软发布Classroom Pen 2新品:约129元
- OpenAI秘密启动“Mercury”项目:聘百名前银行家,训练AI系统自动化金融建模
- 随机阅读
-
- 从视频中学习 Facebook推出新人工智能项目
- 2020胡润世界500强发布:苹果第一 特斯拉冲进前十
- 阿里云季度营收增长34%,吴泳铭:需求旺盛,AI服务器上架节奏跟不上订单增长速度
- 男生吃口红是什么梗
- 开启生成式视频压缩:谷歌基于GAN来实现,性能与HEVC相当
- 标签: GLM-5 智谱 Claude Opus 4.5 Agentic Engineering
- 标签: 高德 AI停车雷达 智慧交通 停车功能
- 云安全日报210305:IBM资产信息安全保护解决方案发现授权绕过漏洞,需要尽快升级
- 阿里云万网上线“.ai”“.car”等全新域名后缀,注册域名最高直降28%
- 腔梗是什么原因严重吗
- 标签: 基本半导体 碳化硅芯片 港股IPO 车规级SiC
- 云计算核心技术Docker教程:Docker使用AUFS存储驱动程序
- 男士衬衫39相当于什么尺码
- 芝加哥商品交易所集团与谷歌云签署为期10年云计算合同
- Gemini 3明年登场!谷歌全力追赶GPT-5,6.5亿用户成AI反攻关键筹码
- Meta超级智能实验室突破RAG技术瓶颈:REFRAG框架让推理速度飙升30倍
- 腾讯云:云开发注册用户数达56万 日调用超7亿次
- 标签: 远大医药 易甘泰 莱特灵 STC3141
- 标签: 思仪科技 创业板IPO 电子测量 国泰海通
- 标签: 比亚迪电子 港交所 财报
- 搜索
-
- 友情链接