阿里通义开源音频语言模型Qwen2-Audio 可直接进行语音问答

<article><section data-type=“rtext”><p>【环球网科技综合报道】8月13日，阿里通义大模型对外宣布开源Qwen2系列音频语言模型Qwen2-Audio。Qwen2-Audio可以不需文本输入，直接进行语音问答，理解并分析用户输入的音频信号，包括人声、自然音、音乐等。通义团队还同步推出了一套全新的音频理解模型测评基准，相关论文已入选本周正在举办的国际顶会ACL 2024。 </p><p><img data-alt=“Qwen2-Audio可以理解分析音乐” src="//img.huanqiucdn.cn/dp/api/files/imageDir/c62974a6370b40b855c699da1f3b06c0u1.png?imageView2/2/w/750" /></p><p>Qwen2-Audio是一款大型音频语言模型（Large Audio-Language Model ，LALM)，具备语音聊天和音频分析两种使用模式，前者是指用户可以用语音向模型发出指令，模型无需自动语音识别（ASR）模块就可理解用户输入；后者是指模型能够根据用户指令分析音频信息，包括人类声音、自然声音、音乐或者多种信号混杂的音频。Qwen2-Audio能够自动实现两种模式的切换。Qwen2-Audio支持超过8种语言和方言，如中文、英语、法语、意大利语、西班牙语、德语、日语，粤语。 </p><p>据了解，Qwen2-Audio是通义团队在音频理解模型上的新一步探索，相比前一代模型Qwen-Audio，新版模型有了更强的声音理解能力和更好的指令跟随能力。 </p><p>同时，通义团队同步开源了基础模型 Qwen2-Audio-7B 及其指令跟随版本Qwen2-Audio-7B-Instruct，用户可以通过Hugging Face、魔搭社区ModelScope等下载模型，也可以在魔搭社区“创空间”直接体验模型能力。 </p></section></article>