阿里Qwen-Audio-3.0：实时语音模型“又快又聪明”阿里发布实时语音交互模型Qwen-Audio-3.0-Realtime，主打四条主线升级：智商、工具调用、共情对话、双工流畅度。🧠 智商不掉线：语音问答基准VoiceBench上，标准与口语prompt得分仅差2.0，扛得住随意聊天。多轮音频挑战中，Flash版本口语化prompt得分仅降5.5。🔧 工具调用更自然：无需明确指令，模型自动调用地图、API等工具，结果融入对话记忆。例如问“附近川菜馆”后，再追问“评分4.5以上哪家最近”，模型自动衔接上次结果。💬 共情对话：根据语境调整语气、节奏，辩论时快速反驳，陪伴时用笑声、叹息回应。VStyle基准上取得SOTA。🎤 双工流畅：边说边听，可打断、插话，嘈杂环境不误判，多人对话锁定主对象。📈 技术核心：采用在线策略蒸馏，文本大模型实时纠正语音模型回答，多教师蒸馏确保不偏科。
发布于 江苏
分享
评论
赞
未登录
友善发言
评论
加载中
