8月13日讯 阿里通义千问开源 Qwen2-Audio 系列的两个模型 Qwen2-Audio-7B 和 Qwen2-Audio-7B-Instruct。
作为一个大规模音频语言模型,Qwen2-Audio 能够接受各种音频信号输入,并根据语音指令执行音频分析或直接响应文本,有两种不同的音频交互模式:
- 语音聊天:用户可以自由地与 Qwen2-Audio 进行语音互动,而无需文本输入
- 音频分析:用户可以在互动过程中提供音频和文本指令对音频进行分析
官方在一系列基准数据集上进行了测试,Qwen2-Audio 超越了先前的最佳模型。
相关链接如下:
- 试用链接:https://huggingface.co/spaces/Qwen/Qwen2-Audio-Instruct-Demo
- 论文地址:https://arxiv.org/abs/2407.10759
- 评估标准:https://github.com/OFA-Sys/AIR-Bench
- 开源代码:https://github.com/QwenLM/Qwen2-Audio