阿里通義千問開源 Qwen2-Audio 7B 語音交互大模型：自由互動，無需輸入文本

IT之家 8 月 13 日消息，阿里通義千問開源 Qwen2-Audio 系列的兩個模型 Qwen2-Audio-7B 和 Qwen2-Audio-7B-Instruct。

作為一個大規(guī)模音頻語言模型，Qwen2-Audio 能夠接受各種音頻信號輸入，并根據(jù)語音指令執(zhí)行音頻分析或直接響應文本，有兩種不同的音頻交互模式：

• 語音聊天：用戶可以自由地與 Qwen2-Audio 進行語音互動，而無需文本輸入

• 音頻分析：用戶可以在互動過程中提供音頻和文本指令對音頻進行分析

官方在一系列基準數(shù)據(jù)集上進行了測試，Qwen2-Audio 超越了先前的最佳模型。

IT之家附相關鏈接如下：

• 試用鏈接：https://huggingface.co/spaces/Qwen/Qwen2-Audio-Instruct-Demo

• 論文地址：https://arxiv.org/abs/2407.10759

• 評估標準：https://github.com/OFA-Sys/AIR-Bench

• 開源代碼：https://github.com/QwenLM/Qwen2-Audio

廣告聲明：文內(nèi)含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。