阿里通义千问开源端到端多模态模型 Qwen2.5-Omni-低调大师

阿里通义千问开源端到端多模态模型 Qwen2.5-Omni

2025-03-27 683

3月27日，通义千问宣布推出新一代端到端多模态旗舰模型 Qwen2.5-Omni。该模型现已在 Hugging Face、ModelScope、DashScope 和 GitHub上开源开放。

Qwen2.5-Omni 是一种端到端多模态模型，旨在感知各种模态，包括文本，图像，音频和视频，同时以流式方式生成文本和自然语音响应。

关键特点

Omni 和新颖的架构：我们提出 Thinker-Talker 架构，这是一种端到端多模态模型，旨在感知各种模式，包括文本，图像，音频和视频，同时以流式方式生成文本和自然语音响应。我们提出了一种新的位置嵌入，称为 TMRoPE (时间对齐多模态 RoPE), 以将视频输入的时间戳与音频同步。

实时语音和视频聊天：专为完全实时交互而设计的架构，支持分块输入和即时输出。
自然和强大的语音生成：超越许多现有的流媒体和非流媒体替代方案，在语音生成中表现出卓越的鲁棒性和自然性。
跨模式的强大性能：在与类似规模的单模式模型进行基准测试时，在所有模式中表现出卓越的性能。 Qwen2.5-Omni 在音频功能方面优于类似尺寸的 Qwen2-Audio, 并实现与 Qwen2.5-VL-7B 相当的性能。
优秀的端到端语音指令：Qwen2.5-Omni 在端到端语音指令中表现出性能，这与文本输入的有效性相媲美，MMLU 和 GSM8K 等基准测试就证明了这一点。

模型架构

性能

模型下载

目前只开源了 7B 尺寸的模型

https://huggingface.co/Qwen/Qwen2.5-Omni-7B

微信关注我们

原文链接：https://www.oschina.net/news/341243/qwen2-5-omni-7b

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

OpenAI Agents SDK 已支持大模型上下文协议 MCP

OpenAI 宣布其智能体——OpenAI Agents SDK 已支持大模型上下文协议 MCP，并表示称正在为 OpenAI API 和 ChatGPT 桌面应用程序开发 MCP 支持。 OpenAI Agents SDK 支持 MCP 对于开发复杂的智能体具有巨大帮助。例如，在开发一个需要同时进行文件处理、数据查询和网络信息收集的智能体时，开发者可以通过 MCP 服务器分别集成文件系统工具、数据库查询工具和网络爬虫工具，更高效地完成任务。参考文档 https://openai.github.io/openai-agents-python/mcp/ https://github.com/openai/openai-agents-python

2025-03-27

207

3 月 26 日，首发接入 DeepSeek V3-0324 最新模型后，腾讯元宝再次发布更新，支持实时预览 HTML 代码。目前，元宝的混元与 DeepSeek 两大模型均支持代码生成，覆盖前端、脚本、数据处理等多种主流语言，适配多类开发场景，适合开发者和各类用户快速上手。结合元宝双模型在代码方面的表现，也还够帮助用户代码审查相关工作。此外，使用 DeepSeek V3-0324 模型，除了网页生成，还能完成更多类型的代码生成任务，如生成 UI 组件、构建网页、编写小游戏，甚至是生成 3D 动画等。现在，用户在元宝选择 DeepSeek，并关闭「深度思考」，便可使用最新的 V3-0324。该模型在代码生成稳定性、逻辑控制精准度和响应速度上均有明显提升，在数学、代码类相关评测集上取得了超过 GPT-4.5、Claude Sonnet 3.7 的得分成绩。阅读更多 DeepSeek 官方详解 V3 模型“小版本”升级，各项能力全面进阶 DeepSeek V3 模型更新，大幅提升编程能力

2025-03-27

246

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。