超越先前最佳，阿里通义千问开源 Qwen2-Audio 7B 语音交互大模型

IT之家 8 月 13 日消息，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。

▲Qwen2-Audio 整体表现

IT之家附相关链接如下：

• 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