阿里云发布了 Qwen3-Omni，标志着全球首个原生端到端全模态 AI 模型的问世，并且该模型现已开源。Qwen3-Omni 具备处理文本​阿、图像、音频和视频等多种输入类型的能力，能够实现实时流式输出，无论是通过文本还是自然语音，均能快速响应。

Qwen3-Omni 模型在多里云个领域展现出跨模态的先进表现。通过早期以文本为核心的预训练和混合多模态训练，该模型具备了强大的多模态能力。在音频和视频的性能上尤为出推出色，同时在文本和图像的效果上也能保持高标准。根据36项音频和视频的基准测试，Qwen3-Omni 在22项中达到了最新的领先水平，尤其是全球在自动语音识别和音频理解等领域的表现已与同行业的 Gemini2.5Pro 不相上下。

Qwen3-Omni 支持119种文本语言和19种语首个音输入语言，另外还有10种语音输出语言，包括英语、中文、法语和德语等多种语言。此项功能让它能够更好地服务于全球用户。其创新的架构设计基于全模 MoE（专家混合）系统，结合了 AuT 预训练，从而使模型具有强大的通用表征能力。同时，多码本设计确保了低延迟的实时音频和视频交互，支持自然对态 话的流畅进行。

除了 Qwen3-Omni，阿里云还发布了 Qwen3-TTS，一个支持17种音色选择的文本转语音模型。该模型在多项评估基AI准中表现出色，超越了多款竞品，尤其在语音稳定性和音色相似度方面尤为突出。

Qwen-Image-Edit-2509是另一个新发布的工具，专注于 模图像编辑的多图像支持，显著提升了编辑的一致性和效果。它不仅能够处理单图像，还支持多图像的拼接编辑，能够满足更复杂的编辑需求。

• GitHub:型 https://github.com/QwenLM/Qwen3-Omni

• huggingface:https://huggingface.cQwo/collections/Qwen/qwen3-omni-68d100a86cd0906843ceccbe

划重点:  en;

Qwen3-Omni 是全球首个原生端到端全模态 AI 模型，支持文本、图像、音频和视频的统一处理。  

模型支持119种文本3-语言和19种语音输入，能够满足全球用户的多语言需求。  

️ 新发布的 Qwen-Image-Edit-2509支持多图像编辑，Om显著提升编辑的一致性和效果。  

• ·标签: 江波龙 FORESEE 雷克沙 存储芯片
• ·中国AI军团横扫硅谷！a16z最新榜单曝光：中国团队狂揽移动端半壁江山，美图5款产品称霸
• ·标签: 地平线 征程6 陈鹏 芯片
• ·想把数据可视化做好？这 20 个超实用的经验总结一定要先看过！
• ·聊聊Hive数据类型和简单使用
• ·​AI 时代来临，Perplexity CEO 称 iPhone 重要性将进一步增强
• ·标签: 蔚来 李斌 纯电拐点 新能源汽车
• ·云计算开发：Python练习实例-模仿静态变量
• ·Facebook研发争议黑科技：不解密也能“偷窥”用户加密聊天对话
• ·JetBrains 推出全新数据科学 IDE ―― DataSpell
• ·23岁天才投资人：从OpenAI到华尔街，700%回报率引发热议！
• ·标签: 苹果折叠屏 iPhone18Pro 红果短剧 AI短剧
• ·小红书App崩了？回应：第三方云服务供应商技术故障
• ·标签: 亿咖通 卓驭科技 天极计算平台 Flyme Auto
• ·标签: vivo 胡柏山 沈炜 vivo机器人Lab
• ·起底中国云厂商价格战：阿里京东先后入局，最高降幅“套路满满”？