Qwen3.5-Omni: 215 SOTAs, âm thanh và video nghe lén Song Tử
Vào ngày 30 tháng 3 năm 2026, Ali, dưới biểu ngữ của Ali Baba, chính thức công bố mô hình tuyệt vời Qwen3.5-Omni, mà khi nó được phóng, đã tạo ra sự nhiệt tình trong cộng đồng phát triển' với 215 bài kiểm tra quốc tế về hiệu suất thực hiện SOTA, cực kỳ chi phí và sự hiểu biết về đột phá. Mô hình không chỉ cung cấp một sự hiểu biết liên tục về văn bản, hình ảnh, âm thanh và video đầu vào, mà còn đi xa hơn Google Song Tử 3.1 Pro trong một số công việc và tự nhiên xuất hiện khả năng kết hợp âm thanh-Visual Vibe. Tờ giấy này chi tiết các điểm nổi bật, đột phá công nghệ và ứng dụng của Qwen3.5-Omni.
Độ sáng lõi
Qwen3.5-Omni là thế hệ mới nhất của các megamodel cổ đại được phát hành bởi Ali, với những điểm nổi bật cốt lõi sau đây:
- Chế độ hiểu đầy đủ: Hiểu biết liên tục về văn bản, hình ảnh, âm thanh và phim ảnh
- 15 SOTAs: vượt xa Song Tử-3. 1 trong phân tích âm thanh và video, lý luận, đối thoại, dịch
- Vibe kết hợp âm thanh: Tất nhiên khả năng lập trình âm thanh và video
- Hộp thoại thời gian thực: hỗ trợ sự ngắt quãng ngữ pháp, nhân bản âm thanh và điều khiển giọng nói
- Quá ngữ cảnh: hỗ trợ 257K để được thừa nhận về ngữ cảnh thừa và 113 ngôn ngữ
- Thực hiện nhiệm vụ thông minh: hỗ trợ gốc cho việc tìm kiếm và gọi tài chính phức tạp trên web
Khả năng hiểu âm thanh/video
Tạo và biên tập phim
Tải lên một video mà cho phép Qwen3.5-Omni-Plus để làm theo hướng dẫn để tạo ra sự điều chỉnh chính xác với nhãn thời gian trong các hạt:
- Ai vậy? Cái gì vậy?
- Thứ hai, âm nhạc nền bắt đầu thay đổi là gì?
- Tôi đã cắt camera vài lần.
- Chuyện gì đã xảy ra?
- Để xác định xem video có nhạy cảm hay không.
- Biến video dài thành ghi chú có cấu trúc tìm kiếm được
Comment
Theo yêu cầu của anh, Qwen3.5-Omni có thể tạo ra mã chạy trực tiếp. Đây là khám phá đáng ngạc nhiên nhất: nếu không được đào tạo chuyên môn, mô hình tự nhiên xuất hiện với Vibe Coding. Nó có thể tạo ra mã Python hoặc các mẫu thử nghiệm trước dựa trên logic video, cho phép sự hợp lý hóa sáng tạo chỉ mất một bước từ tầm nhìn.
Giống như trò chuyện thời gian thực hơn.
Nói chuyện với Qwen3.5-Omni, giống như nói chuyện với người thật hơn:
- Bạn biết cách lắng nghe: ho hoặc rối loạn không thể dừng lại do nhầm lẫn, nhưng sự can thiệp thực sự của bạn có thể là ngay lập tức. Ở lại đi.
- Điều khiển giọng nói: ra lệnh nó phải nhỏ tiếng, sử dụng giọng vui vẻ, kiểm soát kích thước, tốc độ và cảm xúc của âm thanh tự do như con người.
- Nhân bản âm thanh: tải lên một đoạn ghi âm của bạn, tùy chỉnh âm thanh AI độc quyền để hỗ trợ đa ngôn ngữ
Bạn có thể tạo ra một trợ lý hai mặt kĩ thuật số người có thể giao tiếp với giọng nói của bạn, được với bạn, và làm cho tương tác cá nhân hơn.
Thực hiện tác vụ thông minh
Không chỉ nói, Qwen3.5-Omni có thể giúp bạn:
Hỏi về thời tiết ngày mai ở Bắc Kinh và đề nghị một khách sạn có thể tự phán xét xem có cần tìm kiếm trên mạng hay không, gọi công cụ để tìm kiếm thông tin thời gian thực và cho lời khuyên đầy đủ. Hỗ trợ bản địa cho việc tìm kiếm web và công cụ phức tạp để làm cho mô hình thực sự là trợ lý điều hành của bạn.
Hiệu suất: 215 SOTAs
Qwen3.5-Omni-Plus đạt được 215 thành tựu SOTA về sự hiểu biết âm thanh/video, lý luận và nhiệm vụ tương tác, bao gồm:
- Hiểu âm thanh/Video
- Hiểu âm thanh
- Nhận diện giọng nói
- Giọng nói
- Hệ thống Giọng nói
Geomini-3. 1 Pro:
- Hiểu âm thanh phổ biến, lý luận, công nhận, dịch, đối thoại trên bảng
- Khả năng hiểu toàn bộ âm thanh/video là Song Tử-3.1 Pro
- Khả năng hiển thị và văn bản tương đương với kích thước Qwen3.5 mô hình
Ba chiều. Gặp những kịch bản khác nhau.
| Phiên bản | Ký tự | Áp dụng cảnh |
|---|---|---|
| Cộng | Hiệu suất tốt nhất | Công việc phức tạp, ứng dụng chuyên nghiệp |
| Flash. | Cân bằng hiệu suất với tốc độ | Dùng hàng ngày, trả lời nhanh |
| Làm sáng | Nhẹ | Kết thúc chuyển động, cảnh bị hạn chế tài nguyên |
Đặc điểm kỹ thuật
| Chi tiết | Tham số |
|---|---|
| Chiều dài ngữ cảnh | 257K |
| Hỗ trợ ngôn ngữ | 113 loài |
| xử lý âm thanh | Hơn 10 tiếng |
| xử lý phim ảnh | 1 giờ (720 P, 1 FPS) |
| Cấu trúc | Tập trung vào MoE. |
Cách sử dụng
Người dùng có thể tìm kiếm Qwen3.5-Omni cho API, cung cấp Plus, Flash và chiều sáng để đáp ứng các kịch bản khác nhau.
So với thế hệ trước,
- Văn cảnh dài: từ 128K đến 257K
- Chủ nghĩa đa ngôn ngữ: hỗ trợ ngôn ngữ được phát triển từ 80+ đến 113
- Hiểu biết nhìn thấy âm thanh: tăng thêm khả năng đáng kể
- Tương tác thời gian thực:
- Kết quả giọng nói: cải thiện sự ổn định và tự nhiên kết hợp với công nghệ bậc thầy
Tóm tắt
Việc phát hành Qwen3.5-Omni đánh dấu một bước quan trọng trong lĩnh vực của các mô hình quy mô lớn. Những thành tựu năm 280 của SOTA, thành tựu vượt xa Song Tử-3.1 Pro và sự xuất hiện tự nhiên của Vibe Coding đã chứng minh sức mạnh của mô hình.
Đối với các nhà phát triển, Qwen3.5-Omni cung cấp một lựa chọn đầy đủ chức năng, mạnh mẽ và hiệu quả chi phí. Cả âm thanh và video hiểu, đối thoại thời gian thực và thực thi nhiệm vụ thông minh đều có thể.
Trong ngày hôm nay, càng ngày càng cạnh tranh với trí thông minh nhân tạo, mô hình nội địa nhanh chóng bắt kịp và thậm chí còn vượt trội hơn cả lãnh đạo quốc tế. Việc phát hành Qwen3.5-Omni chắc chắn đã tiêm một mũi kim mạnh vào ngành công nghiệp AI của Trung Quốc.
Qwen3.5-Omni!