アリババ、音声や映像にネイティブ対応した「Qwen3-Omni」をオープンソース公開
アリババはテキスト・画像・音声・動画を単一モデルに統合した「Qwen3-Omni」を発表し、オープンソース公開した。211msの低遅延と30分の音声理解を実現し、InstructやThinkingを含む30B規模の重みを提供する。
アリババはテキスト・画像・音声・動画を単一モデルに統合した「Qwen3-Omni」を発表し、オープンソース公開した。211msの低遅延と30分の音声理解を実現し、InstructやThinkingを含む30B規模の重みを提供する。