Qwen2-Audio：多模态AI系统，融合语音对话和音频分析功能

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。

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

来源：NLP工程化

0赞

好文章，需要你的鼓励

机器人

具身智能

2025-09-09

9月13日共同见证 | 新物种时代：人形机器人如何“长大”？

9月13日，现场一起见证人形机器人的成长路径！

Meta与特拉维夫大学联手打造VideoJAM：让AI生成的视频动起来不再是奢望

视频生成

深度学习

多模态学习

2025-09-09

Meta与特拉维夫大学联手打造VideoJAM：让AI生成的视频动起来不再是奢望

Meta与特拉维夫大学联合研发的VideoJAM技术，通过让AI同时学习外观和运动信息，显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量，在多项测试中超越包括Sora在内的商业模型，为AI视频生成的实用化应用奠定了重要基础。

人工智能

数据库技术

融资估值

2025-09-09

Databricks完成10亿美元K轮融资，估值突破1000亿美元

数据分析平台公司Databricks完成10亿美元K轮融资，公司估值超过1000亿美元，累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元，同比增长50%，AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元，净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。