(相关资料图)

智通财经获悉，9月26日，阿里巴巴(09988)旗下通义千问正式发布了Qwen3-Omni。据通义千问介绍，Qwen3-Omni是原生全模态大模型，预训练全模态不降智，能够无缝处理文本、图像、音频和视频等多种输入形式，并通过实时流式响应同时生成文本与自然语音输出。

模型架构上，Qwen3-Omni采用Thinker-Talker架构：Thinker负责文本生成，Talker专注于流式语音Token生成，直接接收来自Thinker的高层语义表征。为实现超低延迟流式生成，Talker通过自回归方式预测多码本序列：在每一步解码中，MTP模块输出当前帧的残差码本，随后Code2Wav合成对应波形，实现逐帧流式生成。