Qwen 는 구조화된 데이터(예: 표)를 더 잘 이해합니다. 이것은 구조화된 데이터에서 통찰력 있는 정보를 추출하고, 사용자가 쿼리를 수행할 수 있도록 돕고, 새로운 데이터 세트를 생성하는 데 기여합니다. 예를 들어, Qwen2.5-72B는 요구 사항과 입력 데이터(JSON 형식의 표)를 기반으로 형식이 지정된 출력을 제공할 수 있습니다.
Qwen-VL은 이미지의 개체와 텍스트를 학습하고 분석하여 학습을 기반으로 새로운 콘텐츠를 생성합니다. 예를 들어, 사진 속의 여성과 개, 그리고 그들의 제스처(하이파이브)를 인식할 수 있습니다.
QVQ는 두 이미지가 실제 생활에서 묘사하는 내용을 분석하고 이해하며, 사용자 요청을 이해하고, 내용을 분석하고, CoT를 사용하여 이 이미지들 사이의 연결을 “생각”하고 찾아낼 수 있습니다.
Qwen-Audio는 다양한 유형의 오디오(사람의 말, 자연음, 악기 연주, 노래 등)와 텍스트를 입력으로 받아 오디오 콘텐츠를 이해하고, 음악 장르와 화자의 감정 등의 정보를 요약할 수 있습니다. 또한 툴을 사용하여 오디오 파일을 편집할 수도 있습니다.
Qwen 모델(Qwen, Qwen-Audio, Qwen-VL 등)을 사용하여 사용자와 지능적이고 종합적으로 상호 작용하고 텍스트, 이미지, 오디오, 동영상을 포함한 멀티모달 데이터를 이해하는 채팅 어시스턴트를 구축할 수 있습니다.
