生成式 AI 的商業化應用正不斷擴展，從智能客服、市場推廣到市場分析，生成式 AI 正逐步成為驅動商業模式變革的核心技術之一。過去數月間，各大科技公司爭相推出新的大模型，如 Google 的 Gemini 2.5、OpenAI 的 o3、Meta 的 Llama 3.3、X（前 Twitter）的 Grok 3、Anthropic 的 Claude 3.7、Amazon 的 Nova Premier、Microsoft 的 Phi-4，還有話題王 DeepSeek 的 R1 和 V3 等。

阿里雲亦不甘後人，近日宣佈推出端到端多模態 AI 模型 Qwen2.5-Omni-7B，展現多模態生成能力及高效能應用場景。

Qwen2.5-Omni-7B 專為全模態感知設計，能處理文本、圖像、音檔及影片等多模態輸入，並實時生成自然語言對答，適用於手機、筆記本電腦等終端設備的部署。儘管僅採用輕量級的 7B 參數，Qwen2.5-Omni-7B 的應用前景仍相當廣泛，包括即時語音導航協助視障者辨識周邊環境、分析影片中的食材提供烹飪指導，以及創建理解客戶需求的智能客服對話體驗。

阿里雲已將該模型開源，並提供多種獲取途徑，包括：Hugging Face、GitHub 及 阿里雲開源社區 ModelScope。目前，阿里雲已開源超過 200 個生成式 AI 模型。

創新架構實現高性能表現

Qwen2.5-Omni-7B 在實時語音交互、自然語言生成及端到端語言指令跟蹤方面的表現，全賴三大創新架構：

▪️Thinker-Talker 架構透過分離文本生成（由 Thinker 處理）與語言合成（由 Talker 執行），降低多模態間的相互干擾，確保高品質輸出；

▪️TMRoPE（Time-aligned Multimodal RoPE）位置編碼技術，通過時間軸對齊來達致影片與音檔輸入的精準同步，實現內容生成的高度連貫性；

▪️通過 Block-wise Streaming Processing 區塊串流處理技術，實現低延遲音頻響應，提供無縫語音交互體驗。

Qwen2.5-Omni-7B 基於海量多模態數據進行預訓練，涵蓋圖文、影片文、影音、音文及純文本數據，確保其在各項任務中皆能展現強健性能。通過情境學習（in-context learning，ICL）及強化學習（reinforcement learning，RL），Qwen2.5-Omni-7B 在語音理解與生成方面表現成熟，模型生成穩定性顯著提升，注意力偏移、發音錯誤與不當停頓現象亦得以大幅減少。