阿里巴巴开源 Qwen2.5-Omni-7B 全模态大模型 支持跨模态实时处理

数智朋克讯，阿里巴巴集团近日开源了其通义千问系列最新力作——Qwen2.5-Omni-7B全模态大模型。作为业界首个端到端多模态解决方案，该模型在7B参数规模下实现了文本、图像、音频及视频的跨模态实时处理能力，通过流式处理引擎可同步生成文字响应与自然语音输出。技术团队创新研发的Thinker-Talker双核架构，配合时间对齐多模态旋转位置编码算法（TMRoPE），使模型具备类人类的"思考-表达"协同机制，在OmniBench多模态融合任务测试中以全方位优势超越Google Gemini-1.5-Pro等竞品。