阿里开源7B全模态大模型，语音技术应用迎来新爆发

阿里开源7B端到端全模态大模型Qwen2.5-Omni，支持文本、音频、图像、视频等多模态处理，语音合成能力达到人类水平。该模型轻量化设计适合手机等终端部署，采用Thinker-Talker双核架构，可实时生成语音和文本，开发者可免费商用。已吸引超90%国产手机品牌接入，苹果合作或推动其在iPhone应用。技术突破覆盖语音识别、翻译、音视频情绪理解等核心领域，多模态性能超谷歌同类模型。