阿里通义千问开源新一代音频语言模型支持语音聊天且内容精准度更高_linux资讯

阿里通义千问开源新一代音频语言模型支持语音聊天且内容精准度更高

创始人

2024-08-13 22:15:18

0次

【太平洋科技快讯】近日，阿里巴巴旗下通义千问团队宣布正式开源Qwen2-Audio系列的两个模型——Qwen2-Audio-7B和Qwen2-Audio-7B-Instruct。Qwen2-Audio系列模型作为大规模音频语言模型，具备接受多种音频信号输入的能力，并能根据语音指令进行音频分析或直接生成文本响应。

Qwen2-Audio提供两种交互模式。一是语音聊天模式，用户可无需文本输入，直接通过语音与模型进行互动;二是音频分析模式，用户可结合音频和文本指令对音频内容进行分析，并且该模型支持超过8种语言和方言，包括中文、英语、法语、意大利语、西班牙语、德语、日语和粤语，满足不同用户的需求。

Qwen2-Audio与上一代模型Qwen-Audio相比，Qwen2-Audio在声音理解能力和指令跟随能力上均实现了显著提升，通义团队还发布了一套全新的音频理解模型测评基准，相关论文已被国际顶级会议ACL 2024收录。

该模型具有高性能、易于集成和可微调的特点，代码已集成到Hugging Face的transformers库，方便开发者快速上手和使用。

在一系列基准数据集的测试中，Qwen2-Audio系列模型的表现超越了之前的最佳模型，展现了其在音频处理领域的领先地位。

精准度用户语言模型语音 Qwen 音频 -Audio 支持阿里太平洋科技通义

上一篇：AI+XR成巴黎奥运会主角，中国企业的科技之美

下一篇：AI制造的美女，“卷”翻了真人网红

阿里通义千问开源新一代音频语言模型支持语音聊天且内容精准度更高

相关内容

热门资讯

阿里通义千问开源新一代音频语言模型 支持语音聊天且内容精准度更高

相关内容

热门资讯

阿里通义千问开源新一代音频语言模型支持语音聊天且内容精准度更高