Qwen2.5-Omni-7B: Klein, aber oho

Das Gebiet der künstlichen Intelligenz entwickelt sich rasant weiter und verschiebt die Grenzen dessen, was Maschinen wahrnehmen, verstehen und generieren können. Ein bedeutender Sprung in dieser Entwicklung wird durch die Einführung des Qwen2.5-Omni-7B-Modells markiert, einem Flaggschiff-End-to-End-Multimodal-Modell, das vom Qwen-Team entwickelt wurde. Dieses Modell stellt einen Paradigmenwechsel dar, der über textzentrierte Interaktionen hinausgeht und ein wirklich omnimodales Erlebnis bietet. Es verarbeitet nahtlos eine Vielzahl von Eingaben – Text, Bilder, Audio und Video – und generiert gleichzeitig Antworten sowohl in Text- als auch in natürlicher Sprachform, oft in Echtzeit-Streaming-Manier. Dieser Artikel befasst sich mit den technischen Feinheiten, Leistungsbenchmarks und praktischen Anwendungen des bahnbrechenden Qwen2.5-Omni-7B-Modells.

💡

Want a great API Testing tool that generates beautiful API Documentation?

Want an integrated, All-in-One platform for your Developer Team to work together with maximum productivity?

Apidog delivers all your demans, and replaces Postman at a much more affordable price!

button

Was ist Qwen2.5-Omni-7B? Und warum ist es so gut?

Im Kern verwendet das Qwen2.5-Omni-7B-Modell eine neuartige End-to-End-Architektur namens "Thinker-Talker". Diese Designphilosophie zielt darauf ab, ein einheitliches System zu schaffen, das sowohl umfassende Wahrnehmung als auch ausdrucksstarke Generierung über mehrere Modalitäten hinweg ermöglicht.

Die "Thinker"-Komponente ist für die Verarbeitung und das Verständnis der reichen Vielfalt an multimodalen Eingaben verantwortlich. Sie integriert spezialisierte Encoder für verschiedene Datentypen:

Text: Nutzt fortschrittliche Transformer-basierte Sprachverständnismodule, die wahrscheinlich auf den robusten Grundlagen der Qwen2-Serie aufbauen.
Vision (Bilder & Videobilder): Integriert Vision Transformer (ViTs) oder ähnliche Architekturen, um räumliche Merkmale aus Bildern und zeitliche Merkmale aus Videobildern zu extrahieren.
Audio: Verwendet Audio-Encoder, die zur Verarbeitung von Rohwellenformen oder Spektrogrammen entwickelt wurden und akustische Merkmale, Sprachmuster, Umgebungsgeräusche und musikalische Elemente erfassen.

Eine entscheidende Innovation innerhalb der Architektur ist das Time-aligned Multimodal RoPE (TMRoPE). Standardmäßige Positionskodierungen wie Rotary Position Embedding (RoPE) zeichnen sich in sequenziellen Daten wie Text aus, benötigen aber eine Anpassung für multimodale Szenarien, insbesondere Video, bei dem visuelle Frames und Audiostreams synchronisiert werden müssen. TMRoPE geht dies an, indem es die Zeitstempel von Videobildern mit den entsprechenden Audiosegmenten abgleicht. Diese Synchronisation ermöglicht es dem Modell, ein kohärentes zeitliches Verständnis von audiovisuellen Ereignissen aufzubauen, so dass es Fragen wie "Welches Geräusch tritt auf, wenn das Objekt im Video fallen gelassen wird?" beantworten kann.

Die "Talker"-Komponente kümmert sich um die Generierung von Ausgaben. Sie besteht aus:

Text Decoder: Ein leistungsstarker Sprachmodell-Decoder, der Textantworten basierend auf dem verschmolzenen multimodalen Verständnis vom Thinker generiert.
Speech Synthesizer: Ein integriertes Text-to-Speech (TTS)-Modul, das in der Lage ist, natürlich klingende Sprache in Echtzeit zu generieren. Dieses Modul verwendet wahrscheinlich hochentwickelte neuronale Vocoder und möglicherweise Sprechereinbettungstechniken, um verschiedene Sprachausgaben (wie 'Chelsie' und 'Ethan') zu ermöglichen.

Die End-to-End-Natur bedeutet, dass der gesamte Prozess, von der Wahrnehmung bis zur Generierung, innerhalb eines einzigen, einheitlichen Modells abläuft, wodurch die Latenz minimiert und nahtlose, Streaming-Interaktionen ermöglicht werden, bei denen Antworten beginnen können, bevor die Eingabe vollständig verarbeitet wurde.

Warum ist Qwen2.5-Omni-7B so besonders?

Das Qwen2.5-Omni-7B-Modell zeichnet sich durch mehrere wichtige technische Merkmale aus:

Omni-Modale Wahrnehmung und Generierung: Im Gegensatz zu Modellen, die auf einzelne Modalitäten spezialisiert sind, ist Qwen2.5-Omni-7B von Natur aus für kombinierte Eingaben konzipiert. Es kann ein Video analysieren, seine Audiospur anhören, begleitende Textanweisungen lesen und eine Antwort generieren, die Informationen aus all diesen Quellen synthetisiert und sowohl Text als auch gesprochenes Audio ausgibt.
Echtzeit-Streaming-Interaktion: Die Thinker-Talker-Architektur unterstützt die Verarbeitung von Chunks und die sofortige Generierung von Ausgaben. Dies ermöglicht wirklich interaktive Anwendungen wie Sprachassistenten, die mitten im Satz antworten können, oder Videoanalysetools, die Kommentare liefern, während sich Ereignisse entfalten.
High-Fidelity-Sprachsynthese: Das integrierte TTS-Modul zielt auf Natürlichkeit und Robustheit ab und wird im Vergleich zu anderen Streaming- und Nicht-Streaming-TTS-Systemen (z. B. unter Verwendung von SEED-TTS-eval) positiv bewertet. Es verarbeitet komplexen Text und wahrt die Konsistenz des Sprechers, wo dies anwendbar ist.
Wettbewerbsfähige Cross-Modal-Performance: Benchmarks zeigen, dass das Qwen2.5-Omni-7B-Modell bei verschiedenen Aufgaben stark abschneidet. Es übertrifft das spezialisierte Qwen2-Audio bei einigen Audioaufgaben und erzielt bei Vision-Aufgaben eine Leistung, die mit dem auf Vision-Sprache ausgerichteten Qwen2.5-VL-7B vergleichbar ist, was seine ausgewogene Omni-Modal-Stärke unter Beweis stellt. Seine hochmodernen Ergebnisse auf OmniBench unterstreichen seine Kompetenz bei der Integration mehrerer Modalitäten.
Effektive Sprachbefolgung: Eine bemerkenswerte Fähigkeit ist die Fähigkeit, Anweisungen, die über Sprache erteilt werden, mit einer Effizienz zu verstehen und auszuführen, die mit Textanweisungen vergleichbar ist. Dies wird durch Benchmarks wie MMLU und GSM8K validiert, die mit Spracheingaben durchgeführt werden, und zeigt sein Potenzial für freihändigen Betrieb und sprachgesteuerte Steuerung.

Hier sind die Benchmarks für Qwen2.5-Omni

Quantitative Auswertungen unterstreichen die Fähigkeiten des Qwen2.5-Omni-7B-Modells. Über ein breites Spektrum von Benchmarks hinweg zeigt es Kompetenz:

Multimodalität zu Text: Auf OmniBench erzielt das 7B-Modell einen bemerkenswerten Durchschnittswert von 56,13 %, was Modelle wie Gemini-1.5-Pro (42,91 %) und spezialisierte multimodale Modelle in Aufgaben, die kombinierte Bild-, Audio- und Text-Reasoning beinhalten, deutlich übertrifft.

Audio zu Text:

ASR: Auf Librispeech test-clean/test-other erzielt es WERs von 1,8/3,4, was mit Whisper-large-v3 (1,8/3,6) und Qwen2-Audio (1,6/3,6) konkurriert. Auf Common Voice 15 (en/zh) erzielt es Top-Werte von 7,6/5,2 WER.
S2TT: Auf CoVoST2 (en->de / zh->en) erzielt es BLEU-Werte von 30,2/29,4, was starke Sprachübersetzungsfähigkeiten demonstriert.
Audio Understanding: Auf MMAU erzielt es durchschnittlich 65,60 %, was sich in Aufgaben des Sound-, Musik- und Sprach-Reasoning auszeichnet. Auf VoiceBench (Avg) erreicht es 74,12, was auf eine starke Leistung in komplexen sprachbasierten Konversationsbenchmarks hindeutet.

Bild zu Text: Das Qwen2.5-Omni-7B-Modell zeigt eine Leistung, die mit dem dedizierten Qwen2.5-VL-7B-Modell auf Vision-Sprach-Benchmarks wie MMMU (59,2 vs. 58,6), MMBench-V1.1-EN (81,8 vs. 82,6), MMStar (64,0 vs. 63,9) und TextVQA (84,4 vs. 84,9) vergleichbar ist. Es zeichnet sich auch in Grounding-Aufgaben wie RefCOCO/+/g aus.

Video (ohne Audio) zu Text: Auf Benchmarks wie Video-MME (w/o sub) und MVBench erzielt es Werte von 64,3 bzw. 70,3, was ein starkes Videoverständnis auch ohne begleitende Audiosignale in diesen spezifischen Tests demonstriert.

Zero-Shot TTS: Bewertet auf SEED-TTS-eval, zeigt die RL-abgestimmte Version einen niedrigen WER (1,42/2,32/6,54 für zh/en/hard) und eine hohe Sprecherähnlichkeit (0,754/0,641/0,752), was auf eine qualitativ hochwertige, konsistente Stimmenerzeugung hindeutet.

Text zu Text: Obwohl es in erster Linie multimodal ist, bleiben seine reinen Textfähigkeiten stark. Auf MMLU-redux erzielt es 71,0, auf GSM8K 88,7 und auf HumanEval 78,7, was im Allgemeinen hinter dem spezialisierten Qwen2.5-7B-Textmodell zurückbleibt, aber im Vergleich zu anderen 7-8B-Modellen wie Llama3.1-8B gut abschneidet.

Okay, ich verstehe. Entschuldigung für das vorherige Format. Ich werde den Abschnitt ab den Implementierungsdetails neu schreiben und die Codebeispiele natürlicher in ein fließendes Artikelformat integrieren.

Ausführen des Qwen2.5-Omni-7B-Modells: Praktische Implementierung

Der Übergang von theoretischen Fähigkeiten zur praktischen Anwendung erfordert das Verständnis, wie man programmatisch mit dem Qwen2.5-Omni-7B-Modell interagiert. Die wichtigsten Werkzeuge hierfür sind die Hugging Face transformers-Bibliothek, erweitert mit spezifischen Qwen-Integrationen, und das hilfreiche qwen-omni-utils-Paket für die optimierte multimodale Eingabeverarbeitung.

Die Reise beginnt mit der Einrichtung der Umgebung. Stellen Sie sicher, dass Sie über die Kernbibliotheken verfügen, einschließlich transformers, accelerate (für effizientes Multi-GPU- und Mixed-Precision-Handling), torch, soundfile (für Audio-I/O) und das entscheidende qwen-omni-utils. Es wird dringend empfohlen, die spezifische Vorschauversion von transformers zu installieren, die die Qwen2.5-Omni-Architekturunterstützung enthält, und das [decord]-Extra für qwen-omni-utils für eine schnellere Videoverarbeitung zu verwenden:

# Empfohlene Installation
pip install transformers accelerate torch soundfile qwen-omni-utils[decord] -U
# Install the specific transformers version with Qwen2.5-Omni support
pip install git+https://github.com/huggingface/transformers@v4.51.3-Qwen2.5-Omni-preview

Sobald die Umgebung bereit ist, ist das Laden des Modells und seines entsprechenden Prozessors der nächste Schritt. Für die Verwaltung der erheblichen Rechenressourcen, die insbesondere VRAM erfordern, wird die Verwendung der bfloat16-Präzision (torch_dtype=torch.bfloat16 oder "auto") und die Aktivierung von Flash Attention 2 (attn_implementation="flash_attention_2") dringend empfohlen. Flash Attention 2 optimiert den Attention-Mechanismus, reduziert den Speicherbedarf und erhöht die Geschwindigkeit auf kompatibler Hardware (NVIDIA Ampere-Architektur oder neuer). Das Argument device_map="auto" verteilt die Modellschichten intelligent auf die verfügbaren GPUs.

import torch
import soundfile as sf
from transformers import Qwen2_5OmniForConditionalGeneration, Qwen2_5OmniProcessor
from qwen_omni_utils import process_mm_info

# Definieren Sie den Modellbezeichner und laden Sie die Komponenten
model_path = "Qwen/Qwen2.5-Omni-7B"

print("Laden von Modell und Prozessor...")
model = Qwen2_5OmniForConditionalGeneration.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16, # Verwenden Sie BF16 für Speichereffizienz
    device_map="auto",         # Verteilen Sie das Modell auf die verfügbaren GPUs
    attn_implementation="flash_attention_2" # Aktivieren Sie Flash Attention 2
)
processor = Qwen2_5OmniProcessor.from_pretrained(model_path)
print("Modell und Prozessor erfolgreich geladen.")

Mit dem geladenen Modell können wir seine Fähigkeiten anhand von Beispielen erkunden, die die bereitgestellten Kochbücher widerspiegeln.

Universelles Audio-Verständnis mit dem Qwen2.5-Omni-7B-Modell

Das cookbooks/universal_audio_understanding.ipynb demonstriert die Leistungsfähigkeit des Modells bei der Bewältigung verschiedener Audioaufgaben. Gehen wir zunächst die automatische Spracherkennung (ASR) an.

Die Eingabe muss als Konversationsliste strukturiert sein. Wir stellen eine Systemaufforderung (unerlässlich, um eine potenzielle Audioausgabe zu ermöglichen, auch wenn sie nicht für ASR verwendet wird) und eine Benutzernachricht bereit, die die Audioeingabe (angegeben über eine URL oder einen lokalen Pfad) und die Textaufforderung enthält, die das Modell anweist.

# Bereiten Sie die Konversation für ASR mit einer Beispiel-Audio-URL vor
audio_url_asr = "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen2.5-Omni/hello.wav"

conversation_asr = [
    {
        "role": "system",
        "content": [{"type": "text", "text": "You are Qwen, a virtual human..."}] # Standard Systemaufforderung
    },
    {
        "role": "user",
        "content": [
            {"type": "audio", "audio": audio_url_asr},
            {"type": "text", "text": "Bitte geben Sie das Transkript für dieses Audio an."}
        ]
    }
]

# Verarbeiten Sie multimodale Informationen. Hinweis: use_audio_in_video ist hier False.
USE_AUDIO_IN_VIDEO_FLAG = False
print("Verarbeiten der ASR-Eingabe...")
text_prompt_asr = processor.apply_chat_template(conversation_asr, add_generation_prompt=True, tokenize=False)
audios_asr, images_asr, videos_asr = process_mm_info(conversation_asr, use_audio_in_video=USE_AUDIO_IN_VIDEO_FLAG)

# Bereiten Sie die endgültigen Modelleingaben mit dem Prozessor vor
inputs_asr = processor(
    text=text_prompt_asr,
    audio=audios_asr, images=images_asr, videos=videos_asr, # Übergeben Sie verarbeitete Modalitäten
    return_tensors="pt", padding=True,
    use_audio_in_video=USE_AUDIO_IN_VIDEO_FLAG # Konsistente Flag-Einstellung
)
# Verschieben Sie die Eingaben auf das richtige Gerät und den richtigen Datentyp
inputs_asr = inputs_asr.to(model.device).to(model.dtype)
print("ASR-Eingabe bereit zur Generierung.")

Das Dienstprogramm process_mm_info verarbeitet das Laden und die Vorverarbeitung der Audio-URL. Der processor kombiniert dann die tokenisierte Textaufforderung mit den verarbeiteten Audio-Merkmalen und erstellt die Eingabetensoren. Beachten Sie, dass das Flag use_audio_in_video konsistent auf False gesetzt ist, da kein Video beteiligt ist.

Um die Transkription zu generieren, rufen wir die Methode model.generate auf. Für eine schnellere ASR setzen wir return_audio=False.

print("Generieren der ASR-Transkription...")
with torch.no_grad(): # Deaktivieren Sie die Gradientenberechnungen für die Inferenz
    text_ids_asr = model.generate(
        **inputs_asr,
        use_audio_in_video=USE_AUDIO_IN_VIDEO_FLAG,
        return_audio=False, # Benötigen Sie nur Textausgabe
        max_new_tokens=512  # Begrenzen Sie die Ausgabelänge
    )

# Decodieren Sie die generierten Token-IDs zurück in Text
transcription = processor.batch_decode(text_ids_asr, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]

print("\n--- Qwen2.5-Omni-7B-Modell: ASR-Ergebnis ---")
print(f"Audioquelle: {audio_url_asr}")
print(f"Generierte Transkription: {transcription}")

Über die Sprache hinaus kann das Modell auch andere Geräusche analysieren. Versuchen wir, ein Geräuschereignis zu identifizieren, z. B. einen Husten. Der Prozess ist ähnlich, wobei die Audioquelle ersetzt und die Textaufforderung angepasst wird.

# Bereiten Sie die Konversation für die Soundanalyse vor
sound_url = "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen2.5-Omni/cough.wav"

conversation_sound = [
    {"role": "system", "content": [{"type": "text", "text": "You are Qwen, a virtual human..."}]},
    {
        "role": "user",
        "content": [
            {"type": "audio", "audio": sound_url},
            {"type": "text", "text": "Welches spezifische Geräuschereignis tritt in diesem Audioclip auf?"}
        ]
    }
]

# Verarbeiten Sie die Eingabe (ähnliche Schritte wie ASR)
print("\nVerarbeiten der Soundanalyse-Eingabe...")
text_prompt_sound = processor.apply_chat_template(conversation_sound, add_generation_prompt=True, tokenize=False)
audios_sound, _, _ = process_mm_info(conversation_sound, use_audio_in_video=False) # Keine Bilder/Videos
inputs_sound = processor(text=text_prompt_sound, audio=audios_sound, return_tensors="pt", padding=True, use_audio_in_video=False)
inputs_sound = inputs_sound.to(model.device).to(model.dtype)
print("Soundanalyse-Eingabe bereit.")

# Generieren Sie die Soundanalyse (nur Text)
print("Generieren der Soundanalyse...")
with torch.no_grad():
    text_ids_sound = model.generate(**inputs_sound, return_audio=False, max_new_tokens=128)

# Decodieren und zeigen Sie das Ergebnis an
analysis_text = processor.batch_decode(text_ids_sound, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
print("\n--- Qwen2.5-Omni-7B-Modell: Soundanalyse-Ergebnis ---")
print(f"Audioquelle: {sound_url}")
print(f"Soundanalyse: {analysis_text}")

Video-Informationsextraktion mit dem Qwen2.5-Omni-7B-Modell

Das Kochbuch cookbooks/video_information_extracting.ipynb konzentriert sich auf die Extraktion von Erkenntnissen aus Videostreams, eine Aufgabe, bei der die integrierte audiovisuelle Verarbeitung des Qwen2.5-Omni-7B-Modells glänzt.

Hier ist der entscheidende Unterschied oft die Notwendigkeit, sowohl die visuellen Frames als auch die Audiospur des Videos zu verarbeiten. Dies wird durch den Parameter use_audio_in_video gesteuert, der sowohl während process_mm_info als auch beim processor-Aufruf auf True gesetzt werden muss.

# Bereiten Sie die Konversation für die Videoanalyse mit einer Beispiel-Video-URL vor
video_url = "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen2.5-Omni/draw.mp4"

conversation_video = [
    {"role": "system", "content": [{"type": "text", "text": "You are Qwen, a virtual human..."}]},
    {
        "role": "user",
        "content": [
            {"type": "video", "video": video_url},
            # Aufforderung, die ein integriertes audiovisuelles Verständnis erfordert
            {"type": "text", "text": "Beschreiben Sie die Aktionen in diesem Video und erwähnen Sie alle vorhandenen, eindeutigen Geräusche."}
        ]
    }
]

# Verarbeiten Sie multimodale Informationen, wodurch entscheidend Audio aus dem Video aktiviert wird
USE_AUDIO_IN_VIDEO_FLAG = True # Aktivieren Sie die Audio-Spur-Verarbeitung
print("\nVerarbeiten der Videoanalyse-Eingabe (mit Audio)...")
text_prompt_video = processor.apply_chat_template(conversation_video, add_generation_prompt=True, tokenize=False)

# process_mm_info verarbeitet das Laden von Videos (unter Verwendung von decord, falls installiert)
audios_video, images_video, videos_video = process_mm_info(conversation_video, use_audio_in_video=USE_AUDIO_IN_VIDEO_FLAG)

# Bereiten Sie die endgültigen Modelleingaben vor
inputs_video = processor(
    text=text_prompt_video,
    audio=audios_video, images=images_video, videos=videos_video,
    return_tensors="pt", padding=True,
    use_audio_in_video=USE_AUDIO_IN_VIDEO_FLAG # MUSS hier ebenfalls True sein
)
inputs_video = inputs_video.to(model.device).to(model.dtype)
print("Videoeingabe bereit zur Generierung.")

Beim Generieren der Antwort für die Videoanalyse können wir sowohl die Textbeschreibung als auch die synthetisierte Sprachausgabe mit return_audio=True und der Angabe eines speaker anfordern.

# Generieren Sie die Videoanalyse (Anfordern von Text- und Audioausgabe)
print("Generieren der Videoanalyse (Text und Audio)...")
with torch.no_grad():
    text_ids_video, audio_output_video = model.generate(
        **inputs_video,
        use_audio_in_video=USE_AUDIO_IN_VIDEO_FLAG, # MUSS hier ebenfalls True sein
        return_audio=True,         # Sprachsynthese anfordern
        speaker="Ethan",           # Wählen Sie eine Stimme (z. B. Ethan)
        max_new_tokens=512
    )

# Decodieren Sie den Textteil der Antwort
video_analysis_text = processor.batch_decode(text_ids_video, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]

print("\n--- Qwen2.5-Omni-7B-Modell: Videoanalyse-Ergebnis ---")
print(f"Videoquelle: {video_url}")
print(f"Generierte Textanalyse: {video_analysis_text}")

# Speichern Sie die generierte Audioantwort, falls vorhanden
if audio_output_video is not None:
    output_audio_path = "video_analysis_response.wav"
    sf.write(
        output_audio_path,
        audio_output_video.reshape(-1).detach().cpu().numpy(), # Umformen und auf CPU verschieben
        samplerate=24000, # Qwen Omni verwendet 24 kHz
    )
    print(f"Generierte Audioantwort gespeichert unter: {output_audio_path}")
else:
    print("Audioantwort wurde nicht generiert (überprüfen Sie die Systemaufforderung oder die Flags).")

Diese detaillierten Beispiele veranschaulichen den Kern-Workflow für die Interaktion mit dem Qwen2.5-Omni-7B-Modell für verschiedene multimodale Aufgaben. Durch die sorgfältige Strukturierung der Eingabekonversation, die Verwendung der bereitgestellten Dienstprogramme und die korrekte Einstellung von Parametern wie use_audio_in_video und return_audio können Entwickler die umfassenden Wahrnehmungs- und Generierungsfähigkeiten dieses fortschrittlichen Modells nutzen. Denken Sie daran, dass die Verwaltung von GPU-Ressourcen durch Techniken wie BF16-Präzision und Flash Attention 2 oft erforderlich ist, um komplexe Eingaben wie längere Videos zu verarbeiten.

Fazit

Das Qwen2.5-Omni-7B-Modell stellt einen bedeutenden Fortschritt in der multimodalen KI dar. Seine End-to-End-Architektur, innovative Funktionen wie TMRoPE, eine starke Benchmark-Leistung über verschiedene Aufgaben hinweg und Echtzeit-Interaktionsfähigkeiten setzen einen neuen Standard. Durch die nahtlose Integration von Wahrnehmung und Generierung für Text, Bilder, Audio und Video eröffnet es Möglichkeiten für reichhaltigere, natürlichere und leistungsfähigere KI-Anwendungen, von hochentwickelten virtuellen Assistenten und Inhaltsanalysetools bis hin zu immersiven Bildungserlebnissen und Barrierefreiheitslösungen. Da sich das Ökosystem um es herum weiterentwickelt, ist das Qwen2.5-Omni-7B-Modell dazu bestimmt, eine Eckpfeilertechnologie zu sein, die die nächste Welle intelligenter Systeme antreibt.

💡

button