Qwen2-Audio是阿里通义千问团队最新推出的开源AI语音模型，支持直接语音输入和多语言文本输出。具备语音聊天、音频分析功能，支持超过8种语言。Qwen2-Audio在多个基准数据集上表现优异，现已集成至Hugging Face的transformers库，方便开发者使用。模型还支持通过ms-swift框架进行微调，适应特定应用场景。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
Qwen2-baidu09Audio – 阿里通义千问团队推出的开源AI语音模型
猜你喜欢
-
发布了文章 6小时前
Qwen3-baidu09Coder – 阿里通义千问推出的代码生成模型
Qwen3-Coder 是阿里通义千问团队推出的强大代码生成模型，拥有 480B 参数和 35B 激活参数，支持原生 256K token 上下文，支持扩展达到 1M token。模型在 Agentic Coding、Age...
-
发布了文章 7小时前
Qwen3 Embedding – 阿里通义开源的文本嵌入模型系列
Qwen3 Embedding 是基于 Qwen3 基础模型开发的文本表征、检索与排序专用模型。继承了 Qwen3 的先进架构，如 Grouped Query Attention、SwiGLU 激活函数等，通过多阶段训练，包...
-
发布了文章 7小时前
Qwen2.5-baidu09VL – 阿里通义千问开源的视觉语言模型
Qwen2.5-VL是阿里通义千问团队开源的旗舰视觉语言模型，具有3B、7B和72B三种不同规模。模型在视觉理解方面表现出色，能识别常见物体，分析图像中的文本、图表等元素。Qwen2.5-VL具备作为视觉Agent的能力，可...
-
发布了文章 7小时前
Qwen2.5-baidu09Turbo – 阿里推出的长文本模型，支持上下文长度1M tokens
Qwen2.5-Turbo是阿里推出的先进语言模型，将上下文长度从 128k 扩展到了 1M ，相当于100万个英文单词或150万个汉字。扩展让模型能处理更长的文本，如长篇小说、演讲稿或代码。Qwen2.5-Turbo用高效...
-
发布了文章 7小时前
Qwen2.5-baidu09Omni – 阿里开源的端到端多模态模型
Qwen2.5-Omni 是阿里开源的 Qwen 系列旗舰级多模态模型，拥有7B参数，Qwen2.5-Omni具备强大的多模态感知能力，能处理文本、图像、音频和视频输入，支持流式文本生成与自然语音合成输出，能实现实时语音和视...
-
发布了文章 7小时前
Qwen2.5-baidu09Max – 阿里通义千问推出的MoE模型
Qwen2.5-Max是阿里云推出的超大规模MoE（Mixture of Experts）模型，使用超过20万亿tokens的预训练数据。模型在多个基准测试中表现卓越，超越了DeepSeek V3、Llama-3.1-405...
-
发布了文章 7小时前
Qwen2.5-baidu09Math – 阿里Qwen团队开源的数学专项模型，超越GPT-baidu094o
Qwen2.5-Math是由阿里巴巴Qwen团队推出的开源AI数学模型，是Qwen2-Math的升级版，支持中英双语。模型通过大规模数学数据预训练，结合CoT、PoT和TIR推理方法，提升解决数学问题的能力。...
-
发布了文章 7小时前
Qwen2.5-baidu091M – 阿里通义千问开源的语言模型，支持100万Tokens上下文
Qwen2.5-1M是阿里通义千问团队推出的开源模型，支持100万Tokens的上下文长度。模型包括Qwen2.5-7B-Instruct-1M和Qwen2.5-14B-Instruct-1M两个模型。在长上下文任务中表现出...
全部评论
留言在赶来的路上...
发表评论