Cloudflare, ses ve videoyu anlayan açık ağırlıklı…

Kısaca

Cloudflare, geçen hafta duyurduğu Clef ve Clef-flash karar modellerinin ardından çok modlu Clef-omni'yi yayınladı. Yeni model metin ve görüntünün yanı sıra ses (wav, mp3) ve video (mp4, webm) girdisini tek API çağrısıyla işleyebiliyor. Şirket ayrıca Clef'i hızlandırdığını ve Clef-flash'in fiyatını düşürdüğünü açıkladı.

Metin, görüntü, ses ve video girdisini tek API çağrısında işler

Ses için wav ve mp3, video için mp4 ve webm desteği

Qwen3-Omni-30B-A3B-Instruct karma uzman temeli üzerine kurulu

Ağırlıklar HuggingFace'te açık olarak paylaşıldı

Clef-flash fiyatı düşürüldü, Clef hızlandırıldı

Clef ailesi büyüyor

Cloudflare, geçen hafta tanıttığı açık ağırlıklı karar modelleri Clef ve Clef-flash'in ardından Clef-omni'yi duyurdu. Şirkete göre Clef fikri bir haftadan kısa sürede ortaya çıktı: model bir hafta sonu eğitildi ve aynı hafta yayına alındı.

Çok modluluk ne getiriyor?

Clef-omni; metin ve görüntünün yanı sıra ses (wav veya mp3) ile video (mp4 veya webm) girdisini de alabiliyor. Böylece konuşmayı metne çeviren ya da videonun ses ve görüntü kanallarını ayıran zincirleme sistemler kurmak yerine tek model çağrısıyla karar alınabiliyor.

Teknik temel

Model, Qwen3-Omni-30B-A3B-Instruct karma uzman (MoE) temeli üzerine kuruldu. Cloudflare bu temelin anlama omurgasını alıp seslendirme (metinden sese) bileşenlerini çıkardı. Clef modelleri büyük dil modeli olmadığı için çıktı tokenı üretilmiyor; bu da transkripsiyon ve altyazı yükünü ortadan kaldırıyor. Eğitimde Qwen3 omurgası dondurulup düşük dereceli adaptörler (LoRA) eğitildi.

Fiyat ve hız

Cloudflare, Clef-flash'in fiyatını düşürerek Jev'den daha ucuz hale getirdiğini ve Clef'i hızlandırdığını belirtti. Model ağırlıkları HuggingFace üzerinde açık olarak paylaşıldı.