Qwen2.5 Omni: Görür, Duyar, Konuşur, Yazar – Hepsi Bir Arada

Alibaba Qwen, Qwen serisinin kapsamlı çok modlu algılama için tasarlanmış yeni amiral gemisi modeli Qwen2.5-Omni'yi tanıttı. Model metin, görüntü, ses ve videoyu işleyerek metin veya doğal konuşma biçiminde akış yanıtları üretiyor. Thinker-Talker mimarisi, girdiyi anlayan bir Thinker (Düşünür) ve konuşma üreten bir Talker (Konuşmacı) içeriyor. Model Hugging Face, ModelScope, DashScope ve GitHub'da mevcut. Qwen2.5-Omni, ses görevlerinde Qwen2.5-VL-7B ve Qwen2-Audio'dan daha iyi performans gösteriyor, video ve görüntülerde karşılaştırılabilir düzeyde ve OmniBench'te son teknoloji sonuçlara ulaşıyor. Model ayrıca konuşma tanıma, çeviri, ses anlama ve konuşma üretiminde yüksek doğruluk sergiliyor. Gelecek planları arasında sesli komutlara uyumun iyileştirilmesi ve daha fazla modalitenin entegre edilmesi yer alıyor.