当前的位置: 首页 > 文章列表 > 手机平板 > 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

— 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 —

更新时间:2024-08-14 17:50:01 编辑:丁丁小编

【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。

本文转载于:https://www.sohu.com/a/800627303_223764 如有侵犯,请联系dddazheyh@163.com删除

热门优惠券

更多