Qwen2-Audio

Qwen2-Audio 是阿里巴巴研发的多模态大模型，专注于音频与语言的联合理解与生成。它支持两种交互模式：纯语音对话（无需文本输入）和带指令的音频分析（接收音频+文本提示），具备自动语音识别（ASR）、语音情感识别（SER）、语音到文本翻译（S2TT）等能力，基于7B参数量架构，采用三阶段训练策略。适用于智能语音助手、会议纪要生成、教育口语评估、无障碍交互等需深度音频语义理解的场景。