Alibaba növbəti nəsil süni intellekt modelini təqdim edib — Qwen 3.5-Omni. Yeni model eyni anda mətn, şəkil, səs və video məlumatlarını emal edə bilir və bu sahədə imkanları xeyli genişləndirir.
Model Plus, Flash və Light versiyalarında təqdim olunub. Ən diqqətçəkən yenilik isə kontekst pəncərəsinin ciddi şəkildə böyüməsidir — 32 mindən 256 min tokenə qədər. Bu o deməkdir ki, Qwen 3.5-Omni artıq 10 saatdan çox audio və ya təxminən 400 saniyəlik 720p video materialı bir dəfəyə analiz edə bilir.
Səs tanıma imkanları da xeyli inkişaf edib — model artıq 113 dil və dialekti anlayır. Müqayisə üçün, əvvəlki versiya cəmi 19 dili dəstəkləyirdi. Ümumilikdə, model 100 milyondan çox saat audio və video məlumat üzərində öyrədilib.
Test nəticələrinə görə, Plus versiyası Gemini 3.1 Pro modelini tanıma, tərcümə və dialoq qurma sahəsində geridə qoyub, audio və video emalında isə onunla eyni səviyyədə nəticə göstərib. Səs generasiyası sahəsində isə ElevenLabs, GPT-Audio və Minimax kimi rəqibləri 20 dil üzrə səs sabitliyinə görə üstələyib.
Modelin funksiyaları da kifayət qədər genişdir: səs klonlama, danışıq sürəti və emosiyasının idarəsi, həmçinin ARIA texnologiyası. Bu sistem mətn və səs arasında uyğunluğu dinamik şəkildə tənzimləyərək natamam sözləri və qeyri-dəqiq tələffüzləri “tamamlayır”.
Ən maraqlı xüsusiyyət isə “Audio-Visual Vibe Coding” adlanır. Qwen 3.5-Omni ekran yazısını və səsli izahı izləyərək, heç bir mətn təlimatı olmadan işlək kod yaza bilir. Alibaba bildirir ki, bu bacarıq modelə planlaşdırılmadan — təsadüfən yaranıb.
