# 多模态音频理解

Qwen2-Audio是Qwen大音频语言模型系列的最新版本，能够接收多种音频信号输入，并根据语音指令执行音频分析或直接生成文本响应。

Ichigo-llama3s系列模型是由Homebrew Research开发的多模态语言模型，原生支持音频和文本输入理解。该模型基于Llama-3架构，通过WhisperVQ作为音频文件标记器进行训练，提升了音频理解能力。

Qwen2-Audio是通义千问大音频语言模型系列，支持语音聊天和音频分析两种交互模式。