时政
财经
科技
登录
#视频交互
关注
Gorden Sun
5个月前
VITA-1.5：开源版视频+语音模型 效果类似ChatGPT APP的视频交互，能看能听能说，但不是原生多模态。视觉多模态LLM使用的是QWen2.5，语音延迟只有1.5秒，且支持打断。 Github：
#VITA-1.5
#开源
#视频模型
#语音模型
#ChatGPT
#视频交互
#视觉多模态
#QWen2.5
#语音延迟
#GitHub
分享
评论 0
0
个人主页
通知
我的投稿
我的关注
我的拉黑
我的评论
我的点赞
