# 多模態音頻理解

Qwen2-Audio是Qwen大音頻語言模型系列的最新版本，能夠接收多種音頻信號輸入，並根據語音指令執行音頻分析或直接生成文本響應。

Ichigo-llama3s系列模型是由Homebrew Research開發的多模態語言模型，原生支持音頻和文本輸入理解。該模型基於Llama-3架構，通過WhisperVQ作為音頻文件標記器進行訓練，提升了音頻理解能力。

Qwen2-Audio是通義千問大音頻語言模型系列，支持語音聊天和音頻分析兩種交互模式。