Qwen重磅發(fā)布：首個(gè)端到端全模態(tài)AI模型Qwen3-Omni登場(chǎng)

阿里殺瘋了，Qwen團(tuán)隊(duì)剛剛接連發(fā)布了兩款重要模型：Qwen3-Omni，業(yè)界首個(gè)原生端到端全模態(tài)AI模型；以及Qwen-Image-Edit-2509，對(duì)標(biāo)谷歌nano banana 圖像編輯工具，根據(jù)預(yù)告，明天還有“大的”要發(fā)布

Qwen3-Omni：真正的一體化AI

Qwen3-Omni的問世，旨在解決長(zhǎng)期以來多模態(tài)模型需要在不同能力之間進(jìn)行權(quán)衡取舍的難題。它是一款真正意義上的全能選手，在同一個(gè)模型中無縫統(tǒng)一了文本、圖像、音頻和視頻的處理能力

web端體驗(yàn)：

https://chat.qwen.ai/?models=qwen3-omni-flash

抱抱臉上這個(gè)體驗(yàn)demo，可以直接去這里體驗(yàn)

https://huggingface.co/spaces/Qwen/Qwen3-Omni-Demo

核心亮點(diǎn)：

性能卓越：在36項(xiàng)音頻及音視頻基準(zhǔn)測(cè)試中，Qwen3-Omni在其中22項(xiàng)上達(dá)到了業(yè)界頂尖水平（SOTA）

全球化的語(yǔ)言能力：模型能力覆蓋廣泛，支持119種語(yǔ)言的文本處理、19種語(yǔ)言的語(yǔ)音輸入以及10種語(yǔ)言的語(yǔ)音輸出

極致高效：延遲僅為211毫秒，并能輕松理解長(zhǎng)達(dá)30分鐘的音頻內(nèi)容

高度可控：支持通過系統(tǒng)提示詞（System Prompts）進(jìn)行完全自定義，滿足個(gè)性化需求

功能強(qiáng)大：內(nèi)置工具調(diào)用（Tool Calling）功能，可與其他應(yīng)用和服務(wù)輕松集成。

開源字幕模型：同時(shí)開源了一個(gè)低幻覺的Captioner（字幕生成）模型，為音視頻內(nèi)容處理提供了可靠工具

開源

為了推動(dòng)技術(shù)發(fā)展和應(yīng)用創(chuàng)新，Qwen團(tuán)隊(duì)已開源了
Qwen3-Omni-30B-A3B-Instruct、
Qwen3-Omni-30B-A3B-Thinking
Qwen3-Omni-30B-A3B-Captioner

等多個(gè)版本，旨在賦能全球開發(fā)者，探索從指令遵循到創(chuàng)意任務(wù)等多樣化的應(yīng)用場(chǎng)景

https://huggingface.co/Qwen/Qwen3-Omni-30B-A3B-Instruct

Qwen-Image-Edit-2509

這是Qwen-Image升級(jí)版本，和字節(jié)前幾天發(fā)布的即夢(mèng)4.0圖像模型一樣主要是一致性上巨大提升

多圖編輯，無縫融合，現(xiàn)在，可以將“人物+產(chǎn)品”或“人物+場(chǎng)景”等多張圖片拖入編輯，保持一致性同時(shí)進(jìn)行推理

單圖編輯，高度一致：

人臉保真：無論變換姿勢(shì)、濾鏡還是風(fēng)格，人物的面部特征始終保持一致

產(chǎn)品保真：在廣告、海報(bào)等應(yīng)用中，產(chǎn)品能維持其核心特征，確保品牌識(shí)別度

文字編輯：支持對(duì)圖像中的文字進(jìn)行全面修改，包括內(nèi)容、字體、顏色，甚至材質(zhì)紋理

內(nèi)置ControlNet，精準(zhǔn)控制
深度、邊緣、關(guān)鍵點(diǎn)……Qwen-Image-Edit-2509內(nèi)置了強(qiáng)大的ControlNet功能，讓用戶可以即插即用，實(shí)現(xiàn)對(duì)圖像生成的精準(zhǔn)控制

qwen的發(fā)布博客里有詳細(xì)清晰的示例，大家可以去看看：

https://qwen.ai/blog?id=7a90090115ee193ce6a7f619522771dd9696dd93&from=research.latest-advancements-list