(網經社訊)8月13日消息，阿里通義大模型繼續(xù)開源，Qwen2系列開源家族新增音頻語言模型Qwen2-Audio。Qwen2-Audio可以不需文本輸入，直接進行語音問答，理解并分析用戶輸入的音頻信號，包括人聲、自然音、音樂等。
據網經社產業(yè)電商臺（B2B.100EC.CN）獲悉，該模型在多個權威測評中都顯著超越先前的最佳模型。通義團隊還同步推出了一套全新的音頻理解模型測評基準，相關論文已入選本周正在舉辦的國際頂會ACL 2024。
根據Qwen2-Audio技術報告，Qwen2-Audio的模型結構包含一個Qwen大語言模型和一個音頻編碼器。在預訓練階段，依次進行ASR、AAC等多任務預訓練以實現音頻與語言的對齊，接著通過SFT（監(jiān)督微調） 強化模型處理下游任務的能力，再通過 DPO（直接偏好優(yōu)化）方法加強模型與人類偏好的對齊。
此外，通義團隊同步開源了基礎模型 Qwen2-Audio-7B 及其指令跟隨版本Qwen2-Audio-7B-Instruct，用戶可以通過Hugging Face、魔搭社區(qū)ModelScope等下載模型，也可以在魔搭社區(qū)“創(chuàng)空間”直接體驗模型能力。
浙江網經社信息科技公司擁有18年歷史，作為中國領先的數字經濟新媒體、服務商，提供“媒體+智庫”、“會員+孵化”服務；（1）面向電商平臺、頭部服務商等PR條線提供媒體傳播服務；（2）面向各類企事業(yè)單位、政府部門、培訓機構、電商平臺等提供智庫服務；（3）面向各類電商渠道方、品牌方、商家、供應鏈公司等提供“千電萬商”生態(tài)圈服務；（4）面向各類初創(chuàng)公司提供創(chuàng)業(yè)孵化器服務。
網經社“電數寶”電商大數據庫（DATA.100EC.CN，免費注冊體驗全庫）基于電商行業(yè)18年沉淀，包含100+上市公司、新三板公司數據，150+獨角獸、200+千里馬公司數據，4000+起投融資數據以及10萬+互聯(lián)網APP數據，全面覆蓋“頭部+腰部+長尾”電商，旨在通過數據可視化形式幫助了解電商行業(yè)，挖掘行業(yè)市場潛力，助力企業(yè)決策，做電商人研究、決策的“好參謀”。
【版權聲明】秉承互聯(lián)網開放、包容的精神，網經社歡迎各方(自)媒體、機構轉載、引用我們原創(chuàng)內容，但要嚴格注明來源網經社；同時，我們倡導尊重與保護知識產權，如發(fā)現本站文章存在版權問題，煩請將版權疑問、授權證明、版權證明、聯(lián)系方式等，發(fā)郵件至NEWS@netsun.com，我們將第一時間核實、處理。
