当前位置：
AIGC文章详情

张大妈

Qwen3.5-Omni-Plus 全模态大模型实测：视觉与OCR性能解析

源自抖音：Karminski

05-12 17:26

精选参考来源

AI能帮我拍照了? Qwen3.5-Omni实测! 给大家带来 Qwen3.5-Omni-Plus 全模态大模型实测! 这个模型同时支持文本, 音频, 图片, 视频输入, 并且支持文本和语音输出. 非常适合做语音助手. 本次主要测试了它的视觉能力, 测试包括视频理解和图片文本理解, 直接来看结论: 视频理解测试中, 画面细节都能准确的捕捉, 比如视频中的关键道具, 文本, 动作等. 而图片测试则是令我最意外的, 我测试了从100-5000字的OCR识别, 测试结论是2000字以内错误率能在0.1%以内, 直到3900字+才会到0.3%以上. 不过测试中也暴露出了模型的一些问题, 比如视频理解中会出现幻觉, 识别出不存在的音乐或者情节. 建议在实际生产中增加交叉验证或者干脆把温度调整到0试试. 另外我这次还魔改了龙虾(openclaw), 让它支持了Omni模型, 成功实现了让 Qwen3.5-Omni-Plus 操作我平板电脑的屏幕和摄像头, 结合大家生活中的场景 Omni 模型可以做出很多有趣的 SKILL. #通义实验室 #千问大模型 #qwen #qwen35omni

Karminski 2026-04-10

来自抖音
内容由AI生成
0
0
扫一下，分享更方便，购买更轻松
0评论

当前文章无评论，是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章
查看更多

已收藏
去我的收藏夹