术语slug: s2tt

语音到文本翻译

S2TT

直接将源语言语音转换为目标语言文本的多模态翻译任务

收录情报动态

共 1 篇 · 第 1/1 页
Qwen 官方博客 (通义)T1·基座大模型
88 分
Qwen3.5-Omni 发布:原生全模态,支持 10 小时音频输入

阿里通义千问团队发布新一代原生全模态大模型 Qwen3.5-Omni,采用 Hybrid-Attention MoE 架构,实现文本、图像、音频及视频的统一理解与生成。该模型支持 256k 长上下文,可处理超过 10 小时的音频和 400 秒的 720P 视频输入,并在多语言语音识别(113 种)与生成(36 种)上显著增强。在 Plus 版本中,模型于 215 项子任务/Benchmark 中取得 SOTA 成绩,标志着从拼接式多模态向原生统一架构的重大跨越。