导览

8月13日，阿里巴巴旗下的通义千问项目宣布开源了一组名为Qwen2-Audio的音频系列模型，包括Qwen2-Audio-7B和Qwen2-Audio-7B-Instruct两款。这款大型音频语言模型具备接收多种音频信号的能力，并能依据语音指令执行音频分析或直接生成文本反馈，支持两种音频交互模式。

交互模式详解

• 语音聊天：用户可与模型进行自然流畅的语音交流，无需额外文本输入。
• 音频分析：用户在互动时能提供音频和文本指令，以实现对音频内容的深入分析。

性能验证

模型的效能已在一系列基准数据集上得到了验证，其表现超越了以往最优模型的标准。

此图展示了Qwen2-Audio的整体性能概览，直观呈现了其在多个评估维度上的卓越表现。