热点

​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

字号+ 作者:牛骥同槽网 来源:产业分析 2026-11-23 我要评论(0)

​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色,同时在推出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,尤其是在自动语全球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种语音输入语言,另首个外还有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(专家混合)全模系统,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。

除了 Qw态 en3-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AI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支持, 模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://githu型 b.com/QwenLM/Qwen3-Omni

  • huggingface:https://huggingface.co/collections/QQwwen/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,能够满足3-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,显著提升编辑的一致性和效果。Om  

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 标签: 小米 XiaomiMiMo 罗福莉 大模型

    标签: 小米 XiaomiMiMo 罗福莉 大模型

    2026-07-19

  • 标签: 新能源汽车

    标签: 新能源汽车

    2026-08-13

  • ​Figma 与谷歌合作引入 Gemini AI,提升设计效率

    ​Figma 与谷歌合作引入 Gemini AI,提升设计效率

    2026-11-20

  • 外媒:苹果再次关闭美国20多家线下门店

    外媒:苹果再次关闭美国20多家线下门店

    2026-07-09

网友点评