Qwen2-Audio 7B：一款無文本的對話助手，由阿里巴巴的開放源代碼Tongyi Qwen提供技術支持。

Home AI新聞 Qwen2-Audio 7B：一款無文本的對話助手，由阿里巴巴的開放源代碼Tongyi Qwen提供技術支持。

最近，阿里巴巴的通義千問團隊宣布開源發布其最新的音頻語言模型系列 Qwen2-Audio，其中包括 Qwen2-Audio-7B 和 Qwen2-Audio-7B-Instruct。這一發布在 AI 驅動的語音交互領域取得了重要突破，旨在為用戶提供全新且引人入勝的對話體驗。

Qwen2-Audio 擁有先進的音頻處理能力，能夠接收和解釋各類音頻信號，包括人聲、自然聲音和音樂。該模型主要運行於兩種互動模式：語音聊天和音頻分析。在語音聊天模式中，用戶可以享受自然對話，而無需文字輸入。相對地，音頻分析模式則允許用戶利用音頻和文字命令對上傳的音頻文件進行深入檢查，提供詳細的洞察。

得益於先進的架構和優化技術，Qwen2-Audio 在幾項權威基準測試中表現超過之前的頂尖模型。它通過將音頻編碼器與大型語言模型集成，運用 OpenAI 的 Whisper-large-v3 編碼器，確保高效準確的音頻處理，而基礎的 Qwen-7B 組件則增強了語言理解和生成能力。此外，該模型還採用了監督微調（SFT）和直接偏好優化（DPO）方法，進一步改善準確性和泛化能力。

功能上，Qwen2-Audio 不僅實現了智能識別，還可無縫切換語音聊天和音頻分析，並具備情感識別能力，能準確解讀語音中的情感細微差別，增強互動的情感體驗。該模型支持多種語言和方言，包括普通話、廣東話、法語、英語和日語，顯著擴大了其應用潛力。

Qwen2-Audio 7B 語音交互模型的開源發布展示了阿里巴巴在 AI 領域的技術實力和創新能力，為行業樹立了新標準。隨著技術的演進和應用場景的擴展，Qwen2-Audio 將為用戶帶來更多便利和驚喜。

Google推出Gemini Live：開創AI語音聊天新時代

OpenAI 發布重磅 GPT-4o 更新：深入探討「草莓計畫」