/
Qwen2-Audio：多模态AI系统，融合语音对话和音频分析功能
Qwen2-Audio：多模态AI系统，融合语音对话和音频分析功能，支持超过8种语言和方言，无需自动语音识别即可进行语音交互，提供音频信息分析和多语言支持。
参考文献：
[1] https://qwenlm.github.io/zh/blog/qwen2-audio/
[2] https://huggingface.co/spaces/Qwen/Qwen2-Audio-Instruct-Demo
[3] Qwen2-Audio Technical Repo：https://arxiv.org/pdf/2407.10759
[4] https://github.com/QwenLM/Qwen2-Audio
[5] https://modelscope.cn/organization/qwen?tab=model
[6] https://huggingface.co/collections/Qwen/qwen2-audio-66b628d694096020e0c52ff6
0赞好文章，需要你的鼓励
推荐文章
IBM大型机本月获得Spyre AI加速器升级
IBM Spyre加速器将于本月晚些时候正式推出，为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡，配备32个独立加速器核心，专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡，支持多模型AI处理，包括生成式AI和大语言模型，主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学：开源AI生态系统中的“版权炸弹“即将引爆？
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计，发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题，揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
Ganiga将在TechCrunch Disrupt展示AI垃圾分拣机器人
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly，能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件，旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元，已向谷歌和多个机场销售超120台设备，计划融资300万美元并拓展美国市场。
语音识别遇上“扩散大脑“：剑桥-清华-伊利诺伊团队让机器听得更准确
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域，开发出Whisper-LLaDA系统。该系统具备双向理解能力，能够同时考虑语音的前后文信息，在LibriSpeech数据集上实现了12.3%的错误率相对改进，同时在大多数配置下提供了更快的推理速度，为语音识别技术开辟了新的发展方向。
2024
08/12
11:04
分享
点赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
