別等GPT-4o啦，國(guó)產(chǎn)「開源版」GPT-4o 來(lái)了！支持全模態(tài)、無(wú)障礙交流

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：別等GPT-4o啦，國(guó)產(chǎn)「開源版」GPT-4o 來(lái)了！支持全模態(tài)、無(wú)障礙交流
關(guān)鍵字：騰訊,音頻,模型,數(shù)據(jù),文本
文章來(lái)源：夕小瑤科技說(shuō)
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

夕小瑤科技說(shuō) 原創(chuàng)作者 | 謝年年騰訊最近的多模態(tài)進(jìn)展有點(diǎn)子“一路高歌”，先是騰訊元寶升級(jí)了一模態(tài)能力，就差把GPT-4o從榜一拉下來(lái)了。
最近，又搞了一個(gè)和GPT-4o對(duì)標(biāo)的交互式多模態(tài)模型——VITA，而且率先開源了。
每次使用Siri時(shí)，都得先說(shuō)個(gè)喚醒詞，比如“Hi! Siri”，或者按個(gè)按鈕才能開始說(shuō)話。而且，當(dāng)機(jī)器在回答用戶提問(wèn)的時(shí)候，用戶就不能繼續(xù)提問(wèn)了，因?yàn)樗荒馨错樞蛱幚磔斎搿?br />這次，騰訊提出了VITA，打破了這一限制！
“VITA”看這名字就知道，其能夠同時(shí)處理和分析 Video（視頻）、Image（圖像）、Text（文本） 和 Audio（音頻）。VITA不僅具備強(qiáng)大的多語(yǔ)言、視覺(jué)和音頻理解基礎(chǔ)能力，在各種單模態(tài)和多模態(tài)基準(zhǔn)測(cè)試中表現(xiàn)強(qiáng)勁。更重要的是，VITA帶來(lái)了兩個(gè)超棒的改進(jìn)：
無(wú)需喚醒的交互：VITA很聰明，能自動(dòng)忽略周圍環(huán)境中的無(wú)關(guān)聲音，如他人的談話。所以你不用再說(shuō)喚醒詞，也不用按按鈕，就能自然而然地與VITA展開對(duì)話。
音頻中斷的交互：當(dāng)VITA正在回答時(shí)，如果用戶突然想到另一個(gè)問(wèn)題，只需直接說(shuō)出，VITA便能立即暫停當(dāng)前回答，迅速轉(zhuǎn)向并解答新問(wèn)題。這

原文鏈接：別等GPT-4o啦，國(guó)產(chǎn)「開源版」GPT-4o 來(lái)了！支持全模態(tài)、無(wú)障礙交流

聯(lián)系作者

文章來(lái)源：夕小瑤科技說(shuō)
作者微信：
作者簡(jiǎn)介：