Qwen3.5-Omni: Escalando rumo à AGI Nativa Omnimodal

Qwen3.5-Omni é um modelo de linguagem de larga escala e plenamente omnimodal que compreende texto, imagens, áudio e conteúdo audiovisual. Ele processa mais de 10 horas de entrada de áudio e mais de 400 segundos de entrada audiovisual em 720P a 1 FPS. O modelo foi treinado com uma quantidade massiva de dados textuais e visuais, além de mais de 100 milhões de horas de dados audiovisuais. Suporta reconhecimento de fala em 113 idiomas e dialetos, e geração de fala em 36 idiomas e dialetos.