Qwen2-Audio：千问系列音频多模态模型，实现纯语音交互，摆脱文字限制

我们推出了具有音频理解能力的Qwen-Audio大型语言模型，它能理解音频内容，进行音频相关的任务，并具备强大的语音识别和处理能力。

Qwen2-Audio是我们的最新成果，在AIR-Bench的多个音频评估基准上（Yang et al., 2024），Qwen2-Audio在语音识别、音乐理解以及声音事件检测等多个方面都超越了当前最先进的模型 (SOTA)。该模型基于Qwen-Audio技术，并在此基础上进行了显著的性能提升，尤其是在处理复杂音频任务方面。

亮点：

🌍 我们发布了Qwen2-Audio，这是一个具有卓越音频理解能力的大型语言模型，实现了显著的性能突破；

🔈 Qwen2-Audio能够执行高级音频任务，并能高效地处理各种音频内容，展现了强大的音频分析能力；

🌍 通过利用前沿技术，Qwen2-Audio 的音频处理性能达到了新的高度，为未来的音频理解研究奠定了基础。