導讀：【環(huán)球網(wǎng)科技綜合報道】8月13日，阿里通義大模型對外宣布開源Qwen2系列音頻語言模型Qwen2-Audio。Qwen2-Audio可以不需文本輸入，直接進行語音問答，理解并分析用戶輸入的音頻信號，包括人聲、自然音、音樂等。通義團隊還同步推出了一套全新的音頻理解模型測...
【環(huán)球網(wǎng)科技綜合報道】8月13日，阿里通義大模型對外宣布開源Qwen2系列音頻語言模型Qwen2-Audio。Qwen2-Audio可以不需文本輸入，直接進行語音問答，理解并分析用戶輸入的音頻信號，包括人聲、自然音、音樂等。通義團隊還同步推出了一套全新的音頻理解模型測評基準，相關論文已入選本周正在舉辦的國際頂會ACL 2024。
Qwen2-Audio可以理解分析音樂
Qwen2-Audio是一款大型音頻語言模型（Large Audio-Language Model ，LALM)，具備語音聊天和音頻分析兩種使用模式，前者是指用戶可以用語音向模型發(fā)出指令，模型無需自動語音識別（ASR）模塊就可理解用戶輸入；后者是指模型能夠根據(jù)用戶指令分析音頻信息，包括人類聲音、自然聲音、音樂或者多種信號混雜的音頻。Qwen2-Audio能夠自動實現(xiàn)兩種模式的切換。Qwen2-Audio支持超過8種語言和方言，如中文、英語、法語、意大利語、西班牙語、德語、日語，粵語。
據(jù)了解，Qwen2-Audio是通義團隊在音頻理解模型上的新一步探索，相比前一代模型Qwen-Audio，新版模型有了更強的聲音理解能力和更好的指令跟隨能力。
同時，通義團隊同步開源了基礎模型 Qwen2-Audio-7B 及其指令跟隨版本Qwen2-Audio-7B-Instruct，用戶可以通過Hugging Face、魔搭社區(qū)ModelScope等下載模型，也可以在魔搭社區(qū)“創(chuàng)空間”直接體驗模型能力。
