通义千问3月27日宣布发布Qwen2.5-Omni，Qwen模型家族中新一代端到端多模态旗舰模型。该模型专为全方位多模态感知设计，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合成输出。该模型现已在Hugging Face、ModelScope、DashScope和GitHub上开源开放。