알리바바, AI 에이전트 혁신을 이끌다! ‘큐원2.5-옴니-7B’ 출시

 

🔍 AI 멀티모달 모델의 새로운 시대, 큐원2.5-옴니-7B란?

알리바바가 최신 멀티모달 AI 모델 **‘큐원2.5-옴니-7B(Qwen2.5-Omni-7B)’**를 공식 출시했습니다. 이 모델은 텍스트, 이미지, 오디오, 비디오를 통합 처리하며, 특히 AI 음성 비서 및 AI 에이전트 개발에 최적화되어 있습니다.

엣지 디바이스에서도 원활히 작동할 수 있도록 설계된 70억 개의 매개변수를 가진 통합 AI 모델로, 실시간 텍스트 응답과 자연스러운 음성 합성이 가능하다는 점이 핵심입니다.

이번 모델은 단순한 AI 챗봇을 넘어, 시각 장애인을 위한 음성 가이드, 지능형 콜센터, 요리 가이드 제공 등 다양한 실생활 활용이 기대됩니다.

반응형

---

🚀 큐원2.5-옴니-7B의 핵심 기술

🔹 1. 씽커-토커 아키텍처(Thinker-Talker Architecture)

• 텍스트 생성과 음성 합성을 별도로 처리하여 간섭을 최소화
• 보다 자연스럽고 명확한 응답 제공

🔹 2. TMRoPE(Time-aligned Multimodal RoPE)

• 비디오와 오디오 데이터를 정밀하게 동기화하는 포지션 임베딩 기법 적용
• 입술 움직임과 음성 데이터를 일치시켜 사람처럼 자연스러운 대화 가능

🔹 3. 블록 단위 스트리밍 처리(Block-wise Streaming Processing)

• 블록 단위로 데이터를 처리하여 실시간 음성 응답 제공
• AI 음성 비서, 콜센터 등에 적합

---

📊 벤치마크 테스트 결과 – 경쟁 모델 대비 월등한 성능

큐원2.5-옴니-7B는 다양한 벤치마크 테스트에서 경쟁 모델을 압도하는 성능을 기록했습니다.

✅ OmniBench 점수: 56.13% (Gemini 1.5 Pro – 42.91%)
✅ 자동 음성 인식(ASR) 테스트: 단어 오류율(WER) 1.6~3.5%
✅ 이미지-텍스트 작업(MMMU 벤치마크): 59.2점 (GPT-4o Mini – 60.0점)
✅ 비디오-텍스트 분석(Video-MME 기준): 64.3점

이러한 결과는 큐원2.5-옴니-7B가 멀티모달 AI 모델 분야에서 최상위 수준의 이해 및 추론 능력을 갖추었음을 증명합니다.

---

🔗 큐원2.5-옴니-7B, 어디에서 사용할 수 있을까?

✅ 허깅페이스(Hugging Face) & 깃허브(GitHub)에서 오픈 소스 제공
✅ 큐원 챗(Qwen Chat) 및 알리바바 클라우드의 ModelScope에서 활용 가능

알리바바는 이번 모델을 통해 AI 에이전트 시장에서 비전-언어 모델과 함께 혁신을 선도할 계획입니다.

728x90

---

🎯 AI 에이전트의 새로운 기준을 세우다

큐원2.5-옴니-7B는 텍스트, 이미지, 오디오, 비디오를 통합적으로 이해하고 처리할 수 있는 차세대 멀티모달 모델입니다.

🔹 AI 음성 비서, 지능형 콜센터, 영상 분석 등 다양한 분야에서 활용 가능
🔹 엣지 디바이스에서도 뛰어난 성능 발휘
🔹 강력한 실시간 음성 상호작용 기능 제공

AI 기술이 더욱 인간과 가까운 방식으로 발전하는 가운데, 알리바바의 새로운 모델이 AI 에이전트 시장에 새로운 기준을 제시할 것으로 기대됩니다. 🚀💡

https://huggingface.co/Qwen/Qwen2.5-Omni-7B

Qwen/Qwen2.5-Omni-7B · Hugging Face