机器之心 机器之心 ·

Stream-Omni：同时支持各种模态组合交互的文本-视觉-语音多模态大模型
🏷️

标签

多模态 大模型
➡️

继续阅读

  1. 微软发布 VibeVoice-ASR：一种统一的语音转文本模型，旨在一次性处理长达 60 分钟的音频
    微软推出了VibeVoice-ASR，一个开源的语音转文本模型，支持最长60分钟的音频处理，输出结构化文本，包括“谁”、“何时”、“什么”。该模型允许用户...
  2. 为什么AI 语音技术正在成为媒体平台的核心基础设施
    语音技术正逐渐成为媒体平台的基础设施，AI语音实现音频动态生成，提升无障碍功能，降低成本，并支持多种输出模式。未来，语音将被视为数据，融入内容设计，成为媒...
  3. 如何在NVIDIA RTX PC上开始使用视觉生成AI
    本文介绍了如何在RTX PC上使用ComfyUI和LTX-2本地生成高质量图像和视频。通过本地工作流程，创作者能够控制资产，降低云服务成本，提高创作效率。...
  4. 文心大模型5.0正式版，上线！
    百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜介绍，与业界多数采用“后期融合”的多模态方案不同，文心5.0的技术路线采用统一的自回归架构进行...
  5. 人工智能的年份：监管行业即将迎来的三大关键转变
    到2025年，高度监管行业的企业将评估AI能力，识别可行用例，推动大规模AI实施，主要包括加速遗留系统现代化、预测安全操作和扩展开发能力。这将提升组织效率...
  6. 2.4万亿参数“最强文科生”，文心5.0正式版，你挺懂山东人啊？
    文心5.0正式发布，参数达到2.4万亿，具备全模态能力，表现优异。其在文本和视觉理解方面多次夺冠，展现出强大的知识整合与创造力。通过原生全模态建模，提升了...
👤 个人中心
在公众号发送验证码完成验证