实时语音

多模态AI

阿里巴巴Qwen2.5-Omni：欲打造集听、看、说于一体的全能模型

阿里云的Qwen2.5-Omni端到端处理文本、图像、音频和视频，实时生成文本和自然语音。基准测试显示，它往往与专业单模态模型持平或更优，暗示向统一架构的转变。

2026-07-20