Qwen3-Omni：新的SOTA多模态模型发布 - merve Qwen团队近期发布了Qwen3-Omni，一款全新的、具备“任意到任意”能力的SOTA（State-of-the-Art）多模态模型，并同步推出了两个演示和三款模型变体。Qwen3-Omni是一个30B MoE模型，具有3B的活跃参数，包含指令（instruct）、思考（thinking，用于推理）和字幕生成（captioner，用于稳健语音生成）三种版本。该模型能够理解图像、文本、音频和视频等多种模态，并可输出文本或语音，支持多达119种文本语言、19种语音输入语言以及10种语音输出语言。它同时支持Transformers和vLLM，并在多项视频和音频基准测试中 …