智通财经APP获悉，今天凌晨，阿里巴巴(09988)发布通义千问系列的最新旗舰模型Qwen2.5-Omni。这款端到端多模态模型专为广泛的多模态感知设计，能够处理文本、图像、音频和视频等多种输入，同时能够通过生成文本和合成语音提供实时流式响应。

阿里巴巴旗下通义千问正式发布并开源 Qwen2.5-Omni-7B——性能超强的端到端全模态大模型。

全模态，真正All-in-One

支持文本、图像、音频、视频输入，实时输出文本与自然语音，能够理解跨模态信息，打破模态壁垒。相比传统单模态或分离式多模态模型，Qwen2.5-Omni-7B 具备更强的跨模态融合能力，不仅能识别语音情绪，还能实现更智能、更自然的多感官交互，向 AGI 迈出关键一步。

创新技术，性能再突破

双核架构 Thinker-Talker：让语义理解与语音生成协同优化，大幅提升推理速度与响应能力。TMRoPE 位置编码算法：针对音视频任务优化，提升时序信息处理能力。 OmniBench、seed-tts-eval 领跑全球：全模态任务评测中多项指标刷新纪录，语音合成能力达到人类水平！

并且，Qwen2.5-Omni-7B 体量小，易部署，家用电脑即可运行，让全模态 AI 真正触手可及。