今天，阿里云宣布通義千問Qwen2.5-Omni-7B正式開源。
這是通義系列模型中首個端到端全模態(tài)大模型，可同時處理文本、圖像、音頻和視頻等多種輸入，并實時生成文本與自然語音合成輸出。
在權(quán)威的多模態(tài)融合任務(wù)OmniBench等測評中，Qwen2.5-Omni刷新業(yè)界紀錄，全維度遠超谷歌的Gemini-1.5-Pro等同類模型。
阿里云表示，相較于動輒數(shù)千億參數(shù)的閉源大模型，Qwen2.5-Omni以7B的小尺寸讓全模態(tài)大模型在產(chǎn)業(yè)上的廣泛應(yīng)用成為可能。
即便在手機上，也能部署和應(yīng)用Qwen2.5-Omni模型。
目前，Qwen2.5-Omni已在魔搭社區(qū)和Hugging Face 同步開源，用戶也可在Qwen Chat上直接體驗。
據(jù)悉，2023年起，通義團隊陸續(xù)開發(fā)覆蓋0.5B、1.5B、3B、7B、14B、32B、72B、110B等參數(shù)的200多款全尺寸大模型，囊括文本生成模型、視覺理解/生成模型、語音理解/生成模型、文生圖及視頻模型等全模態(tài)。
