待验证50% 置信事实精确时间
Omni 2B 复用音频组件并加入视觉编码器，能处理图像和视频，但不具备 Audio 2B 那样在文本回答前进行“思考”的能力。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
2B参数模型本地跑音频与视觉：LFM3实测揭秘
bilibili枫叶边城2026/11/4
涉及实体
相关事实
待验证Qwen3-Omni-Flash 在输入侧支持声音、图片和视频，输出侧能够生成文本与语音两种模态67% 相似待验证clef-omni 基于 Qwen3-Omni-30B-A3B-Instruct 底座（仅使用 thinker，未使用语音输出），总计 30B 参数、激活 3B，支持文本、JSON、图片、音频、视频（2fps 采样），上下文 64,000 token。66% 相似待验证Omni架构让单一模型原生理解并生成跨模态内容，文本、图像、音频、视频在同一统一token空间中被处理63% 相似待验证EmbeddingGemma 2 自带视觉与音频编码器，但该项目只加载文本塔。63% 相似待验证OmniVoice Studio 的视频配音流水线可将原视频转写为文字、翻译为目标语言、用克隆音色重新念出并导出 MP4 成片62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134830API
curl https://kongchang.com/api/v1/knowledge/claims/1134830MCP
get_claim(id=1134830)