Вышел мультимодальный Qwen3.5-Omni
Модель принимает на вход текст, картинки, аудио и видео, а на выходе генерирует текст и речь.
Распознавание речи охватывает 113 языков, а синтез — 36. Alibaba заявляет, что в большинстве бенчмарков на распознавание аудио Qwen3.5-Omni обходит всех конкурентов, включая Gemini-3.1 Pro.
Доступ пока только через API.
Подписывайтесь на Telegram GPT/ChatGPT/AI Central Александра Горного.