亚洲中文字幕日本无线码_亚洲国产人成中文幕一级二级_中文字幕无码精品三级在线电影_中文字幕人妻丝袜乱一区三区

9月24日，2025年云棲大會開幕，阿里巴巴發布通義全模態預訓練大模型Qwen3-Omni系列模型。通過引入多種架構升級和技術迭代，Qwen3-Omni系列的模型表現和效率大幅提升。在36個音視頻基準測試中，22項達到SOTA水平，其中32項取得開源模型最佳效果。語音識別、音頻理解與語音對話能力可比肩Gemini 2.5-Pro。

作為全模態模型，Qwen3-Omni能夠實現全模態輸入和全模態輸出。類似于人類嬰兒一出生就全方位感知世界，Qwen3-Omni一開始就加入了“聽”“說”“寫”多模態混合訓練。在預訓練過程中，Qwen3-Omni采用了混合單模態和跨模態數據。此前，模型在混合訓練后，各個功能會相互掣肘甚至降智，比如音頻理解能力提升，文字理解能力反而降低了。但Qwen3-Omni在實現強勁音頻與音視頻能力的同時，單模態文本與圖像性能均保持穩定，這是業內首次實現這一訓練效果。

Qwen3-Omni的優異表現源于多種架構升級。Qwen2.5-Omni采用了雙核架構Thinker-Talker，讓大模型擁有了人類的“大腦”和“發聲器”。Qwen3-Omni的Thinker-Talker架構進一步加強，結合AuT預訓練構建強通用表征，配合多碼本設計，響應延遲壓縮至最低。相較于半年前推出的Qwen2.5-Omni，Qwen3-Omni的交互速度更快，純模型端到端音頻對話延遲低至211ms，視頻對話延遲低至507ms；支持的語言更多，包括19種語言音頻輸入、10種語言輸出。

作為一款“會說話”的模型，Qwen3-Omni應用場景廣泛，未來可部署于車載、智能眼鏡和手機等。用戶還可設定個性化角色、調整對話風格，打造專屬的個人IP。相較于傳統的錄音轉文字軟件，Qwen3-Omni能夠處理長達30分鐘的音頻文件，無需切割音頻，即可精準識別語音、深度理解內容。

目前，Qwen3-Omni系列已開源三款模型：Qwen3-Omni-30B-A3B-Instruct、Qwen3-Omni-30B-A3B-Thinking 和Qwen3-Omni-30B-A3B-Captioner，值得關注的是，擅長音頻描述的模型Qwen3-Omni-30B-A3B-Captioner為全球首次開源的通用音頻caption模型，可以清晰描述用戶輸入音頻的特征，填補了開源社區空白。

Qwen3-Omni現已在Hugging Face和ModelScope上開放，用戶可訪問Qwen Chat免費體驗Qwen3-Omni-Flash。