Qwen2.5 Omni: يرى ويسمع ويتحدث ويكتب – كل ذلك في نموذج واحد

أعلنت Alibaba Qwen عن إطلاق Qwen2.5-Omni، وهو نموذج رئيسي جديد في سلسلة Qwen مصمم للإدراك متعدد الوسائط الشامل. يعالج النموذج النصوص والصور والصوت والفيديو، ويولد استجابات متدفقة على شكل نصوص أو كلام طبيعي. تتضمن بنية المفكر-المتحدث (Thinker-Talker) مفكرًا يفهم المدخلات ومتحدثًا يولد الكلام. يتوفر النموذج على منصات Hugging Face وModelScope وDashScope وGitHub. يتفوق Qwen2.5-Omni على Qwen2.5-VL-7B وQwen2-Audio في مهام الصوت، ويضاهيهما في الفيديو والصور، ويحقق نتائج متطورة على معيار OmniBench. كما يظهر النموذج دقة عالية في التعرف على الكلام والترجمة وفهم الصوت وتوليد الكلام. تشمل الخطط المستقبلية تحسين الامتثال للأوامر الصوتية ودمج المزيد من الوسائط.