Alibaba Qianwen lance le modèle de grande taille multimodal en mode intégral Qwen3.5-Omni, prenant en charge 113 types de reconnaissance vocale

Nouvelles de Gate News, le 30 mars, Alibaba Qwen annonce le lancement du modèle multimodal Qwen3.5-Omni. Cette série inclut des versions Instruct dans trois tailles, Plus, Flash et Light, et prend en charge un contexte long de 256k. Le modèle supporte une entrée audio de plus de 10 heures ainsi qu’une entrée audio/vidéo 720P (1FPS) de plus de 400 secondes. Le modèle a été pré-entraîné nativement en multimodalité sur des volumes massifs de données textuelles, visuelles et audio/vidéo dépassant 100 millions d’heures, montrant des capacités remarquables de perception et de génération multimodales. Par rapport à son prédécesseur Qwen3-Omni, Qwen3.5-Omni améliore considérablement les capacités multilingues : il peut prendre en charge la reconnaissance vocale dans 113 langues et dialectes et la génération vocale dans 36 langues et dialectes.