TechFlowより、3月30日、Jinshi Dataの報道によると、アリババの千問（Qwen）は、全モダリティ大規模言語モデル「Qwen3.5-Omni」の公開を発表しました。「Qwen3.5-Omni」シリーズには、Plus、Flash、Lightの3種類のサイズのInstruct版が含まれており、256Kトークンの長文脈をサポートします。また、音声入力には10時間以上、720p（1FPS）の音声・動画入力には400秒以上をサポートします。本モデルは、膨大なテキストおよび視覚データに加え、1億時間以上の音声・動画データを用いたネイティブなマルチモダリティ事前学習を実施しており、優れた全モダリティ認識・生成能力を示しています。Qwen3-Omniと比較して、Qwen3.5-Omniは多言語対応能力が大幅に向上し、113の言語および方言の音声認識と、36の言語および方言の音声生成をサポートします。
お気に入りに追加
SNSで共有
