Qwen-Omni
Линейка омнимодальных моделей команды Qwen из Alibaba: они понимают текст, изображения, звук и видео. Одни версии отвечают только текстом, другие ещё и синтезируют речь, в том числе в реальном времени. Этим они отличаются от обычных текстовых и визуально-языковых моделей Qwen.
проверено по: alibabacloud.com ↗
См. также
- ОмнимодальныйТак называют модели, которые в одной системе принимают и совместно обрабатывают текст, изображения, звук и видео, а некоторые ещё и отвечают речью (omni-modal). Этим они отличаются от более распространённых мультимодальных моделей, которые обычно ограничиваются текстом и картинками. Омнимодальная модель может, например, связать сказанное в ролике с тем, что видно в кадре.
- Qwen CloudОблачная платформа Alibaba Cloud, через которую разработчики по API получают доступ к моделям Qwen и к моделям других разработчиков: для текста, изображений, видео, речи и векторных представлений. Платформа рассчитана прежде всего на ИИ-агентов: кроме сайта у неё есть инструмент командной строки и готовые навыки, через которые агент сам вызывает нужные функции. Это сервис доступа к моделям, а не сами модели Qwen.
В новостях
Alibaba выпустила модель синхронного перевода речи Qwen3.8-LiveTranslate
Линейка мультимодальных моделей Alibaba Qwen: они принимают текст, изображения, звук и видео и отвечают текстом или речью.