Shaolei Zhang发布的内容- news.news·换个方式看新闻|AI看新闻、实时追踪事件后续

Shaolei Zhang

统计数据

2

文章

0

粉丝

0

获赞

3

阅读

1个月前

👏🏻Stream-Omni：一个类GPT-4o的文本-视觉-语音多模态大模型（1）同时支持文本、视觉、语音输入，生成文本和语音回复。（2）语音交互过程中，同步生成中间的语音识别、文本回复结果，提供更加全面的多模态交互体验！ 📝论文： 🔗代码&Demo：

#多模态大模型 #GPT-4 #文本-视觉-语音统一 #AI交互 #语音识别 #中间生成

7个月前

LLaVA-Mini👏is an efficient LMM for image/video understanding using one vision token, offering: (1)⏩lower latency (fast as 40ms per image), (2)🖥️less VRAM usage (support 3-hour video understanding on 24GB GPU). Paper: Code & Demo:

#LLaVA-Mini #高效视觉处理 #视频理解