Qwen3-Omni, metin, görüntü, ses ve video dahil olmak üzere birden fazla giriş modalitesini sorunsuz bir şekilde işleyebilen ve gerçek zamanlı akış yanıtları aracılığıyla hem metin hem de doğal sesli konuşma çıktıları üretebilen yeni nesil bir yerel multimodal büyük modeldir. Bu sürüm, model performansını ve verimliliğini artırmak için birçok iyileştirme sunmaktadır.

Qwen3-Omni-Flash-2025-12-01, Qwen3-Omni üzerine inşa edilmiş, kapsamlı bir şekilde yükseltilmiş bir versiyondur.

Bu yükseltilmiş sürümün öne çıkan özellikleri şunlardır:

Büyük Ölçüde Geliştirilmiş Görsel-İşitsel Etkileşim Deneyimi: Görsel-işitsel talimatların anlaşılması ve uygulanması önemli ölçüde iyileştirilerek, gündelik konuşma senaryolarında sıklıkla görülen “zeka düşüşü” sorunu etkili bir şekilde çözülmüştür. Çok turlu görsel-işitsel konuşmalar artık önemli ölçüde daha yüksek stabilite ve tutarlılık sağlıyor ve daha doğal ve kesintisiz etkileşimler mümkün hale geliyor.

Güçlendirilmiş Sistem İstem Kontrolü: Sistem istemlerinin tam özelleştirilmesi artık destekleniyor ve model davranışının hassas bir şekilde kontrol edilebilmesini sağlıyor. Kişilik stili (ör. tatlı, havalı, anime esintili), konuşma tonu tercihleri veya çıktı uzunluğu kısıtlamaları gibi her ayrıntı ince bir şekilde ayarlanabilir ve yanıt özellikleri üzerinde benzeri görülmemiş bir kontrol sağlar.

Daha Güvenilir Çok Dilli Uyumluluk: 119 dilde metin tabanlı etkileşim, 19 dilde konuşma tanıma ve 10 dilde konuşma sentezini destekler.