3月27日清晨，阿里阿里巴巴發布并開源首個端到端全模態大模型通義千問Qwen2.5-Omni-7B，開源可一起處理文本、全模圖畫、模型音頻和視頻等多種輸入，阿里并實時生成文本與天然語音組成輸出。開源在威望的全模多模態交融使命OmniBench等測評中，Qwen2.5-Omni改寫業界紀錄，模型全維度遠超Google的阿里Gemini-1.5-Pro等同類模型。Qwen2.5-Omni以挨近人類的開源多感官方法「立體」認知國際并與之實時交互，還能經過音視頻辨認心情，全模在雜亂使命中進行更智能、模型更天然的阿里反應與決議計劃?，F在，開源開發者和企業可免費下載商用Qwen2.5-Omni，全模手機等終端智能硬件也可輕松布置運轉。

圖示 功能測評比照。

Qwen2.5-Omni采用了通義團隊全新創始的Thinker-Talker雙核架構、Position Embedding （方位嵌入）交融音視頻技能、方位編碼算法TMRoPE（Time-aligned Multimodal RoPE）。雙核架構Thinker-Talker讓Qwen2.5-Omni具有了人類的“大腦”和“發聲器”，形成了端到端的一致模型架構，完成了實時語義了解與語音生成的高效協同。詳細而言，Qwen2.5-Omni支撐文本、圖畫、音頻和視頻等多種輸入方式，可一起感知一切模態輸入，并以流式處理方法實時生成文本與天然語音呼應。

得益于上述打破性立異技能，Qwen2.5-Omni在一系列平等規劃的單模態模型威望基準測驗中，展示出了全球最強的全模態優異功能，其在語音了解、圖片了解、視頻了解、語音生成等范疇的測評分數，均領先于專門的Audio或VL模型，且語音生成測評分數（4.51）達到了與人類相等的才能。

相較于動輒數千億參數的閉源大模型，Qwen2.5-Omni以7B的小尺度讓全模態大模型在工業上的廣泛使用成為可能。即使在手機上，也能輕松布置和使用Qwen2.5-Omni模型。當時，Qwen2.5-Omni已在魔搭社區和Hugging Face 同步開源，用戶也可在Qwen Chat上直接體會。

從2023年起，阿里通義團隊就連續開發了掩蓋0.5B、1.5B、3B、7B、14B、32B、72B、110B等參數的200多款「全尺度」大模型，包括文本生成模型、視覺了解/生成模型、語音了解/生成模型、文生圖及視頻模型等「全模態」，真實完成了讓普通用戶和企業都用得上、用得起AI大模型。到現在，海內外AI開源社區中千問Qwen的衍生模型數量打破10萬，逾越美國Llama系列模型，是公認的全球榜首開源模型。