Qwen2.5-Omni

Qwen2.5-Omni是通義千問團隊於2025年3月27日發布的端到端全模態大模型，支持文本、圖像、音頻及視頻的同步輸入與實時流式輸出，可生成文本及自然語音反饋。該模型採用原創的Thinker-Talker雙核架構與TMRoPE位置編碼算法，在多模態融合任務測評中刷新業界紀錄，性能全面超越Google Gemini-1.5-Pro等同類產品。

2025年4月2日，作為7B參數規模的輕量化模型，其開源特性推動了端側設備的廣泛部署，登頂Hugging Face全球開源模型總榜。

基本介紹

• 中文名：Qwen2.5-Omni
• 發布時期：2025年3月27日
• 模型架構：Thinker-Talker雙核結構   
• 模態支持：文本/圖像/音頻/視頻    
• 開源平台：魔搭社區、Hugging Face    
• 參數規模：7B（70億）   
• 開源時間：2025年3月27日   

技術架構

Qwen2.5-Omni採用兩項核心技術：

Thinker-Talker雙核架構：

Talker模組負責語音合成與實時流式回響

Thinker模組統一處理多模態輸入並構建語義表征

TMRoPE算法：通過位置嵌入技術實現音視頻時序對齊，支持情緒識別等進階功能

性能表現

在2025年權威評測中展現多維度優勢：

OmniBench測評：全模態綜合得分領先Google Gemini-1.5-Pro

語音生成能力：MOS評分達4.51分（滿分5分），接近人類水平

單模態基準：音頻理解、圖像解析等單項能力超越專業單模態模型

開源與部署

終端適配：通過參數壓縮技術實現在手機等設備的本地化部署

訪問途徑：

開發者可通過魔搭社區、Hugging Face獲取商用版本

普通用戶可通過QwenChat體驗多模態互動

行業影響

該模型登頂Hugging Face總榜後，引發全球開發者下載，推動智慧型客服、互動式教育等領域的Agent套用加速落地。作為通義千問開源模型家族成員，其發布使阿里開源模型總數突破200款，形成全球最大開源模型生態。Qwen2.5-Omni是通義千問於2025年3月27日發布的端到端旗艦模型，能夠無縫處理文本、圖像、音頻和視頻等多種輸入形式，並通過實時流式回響同時生成文本與自然語音合成輸出。