- 我的订阅
- 头条热搜
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
...加上相应的模态标记。文本数据：[TEXT]这是一个文本句子音频数据：[SPEECH][Hu262][Hu208][Hu499][Hu105]交错语音和文本（Interleaving Speech and Text）对于对齐的语音+文本数据集，通过在单词级别交错语音和文本来混合：[TEXT]th……更多
2024-11-23 09:43:00音频,模态,重磅,文本,任务,情感
...来的人与 AI 交互方式。具体来说，AI 能做到接收文本、音频和图像的任意组合作为输入，并实时生成文本、音频和图像的任意组合输出。如今，智谱清言的「情感语音通话」又一次推动了国产 AI 对标国际先进水平。情感语音模...……更多
2024-10-26 09:49:00一波,模型,国产,还是,语音,模型
...官米拉·穆拉蒂（Mira Murati）介绍，GPT-4o可以接收文本、音频和图像的任意组合作为输入，并实时生成文本、音频和图像的任意组合进行输出，其中“o”代表“omni全能”。一直以来，多模态人机交互便是AI领域重点研究发力方向...……更多
2024-05-14 13:59:00进一,模态,易用,易用性,人机,模型
...6725
代码仓库：https://github.com/gpt-omni/mini-omni针对多层级的音频编码方案，本文采用不同层级延迟并行输出的方案减小音频推理长度，有效解决实时性问题。同时还提出了多任务同时推理的生成方法进一步加强模型的语音推理能力...……更多
2024-09-07 09:44:00模型,语音,对话,机构,语音,文本
...高达10,000,000 token的文本时，检索准确性仍然高达99.2%。在音频处理方面，Gemini 1.5 Pro能够在大约11小时的音频资料中，100%成功检索到各种隐藏的音频片段。在视频处理方面，Gemini 1.5 Pro能够在大约3小时的视频内容中，100%成功检索...……更多
2024-02-21 14:05:00劲敌,高产,模式,模型,上下文,处理
...同步性的模型 SyncNet 计算的音画同步置信度。相同的驱动音频和驱动视频，数值越高越好。TTS引擎MeetVoice Pro赋能数字人在第四代数字人系统WetaAvatar 4.0中，用户提交文本后，系统将调用出门问问的TTS引擎MeetVoice Pro，该引擎基于...……更多
2024-04-09 14:00:00重磅,全新,数字,系统,数字,系统
...的独特之处在于：1）Align-Anything 框架支持文本、图像、音频、视频等多种模态的输入和输出对齐，这在目前开源社区中是独一无二的。它填补了现有框架仅支持单一模态或少数模态对齐的空白，为全模态大模型的对齐提供了统...……更多
2024-10-18 09:47:00模态,指令,框架,模态,模型,数据
...特性，可以从三个方面理解：1.多模态。GPT-4o接受文本、音频和图像的任意组合作为输入，实时对音频、视觉和文本进行推理，生成相应的输出。相比ChatGPT的文生文、文生图，Sora的文生视频等，GPT-4o是一个原生多模态的融合体...……更多
2024-05-19 16:32:00全能,模型,只有,世界,模态,模型
...、语音和视觉多模态，在与社交紧密关联的文字、图片、音频和视频场景齐发力，让用户在立体、多感官的人机互动中体验有温度的 AI。结语2024 年被很多圈内人士称为 AIGC 应用元年，大家关注的焦点不再只是拼参数和基础能力...……更多
2024-08-01 09:34:00模态,拟人,玩家,模态,情感,模型
...性和准确性。想要看懂短视频，除了视觉内容外，语音和音频等听觉信息，如视频音乐、音效、语音内容等，也对短视频的理解起到关键作用。音视频大语言模型（av-LLMs）在近几年取得了显著进展，但语音作为视频中人类语言...……更多
2024-08-01 09:45:00模态,清华,领衔,模型,视频,音视
...趣丸科技在人工智能方面的最新探索成果，以及赋能智能音频和数字安全方面的一些思考。首先，请允许我简单介绍一下趣丸科技。我们是一家成立于2014年的国家高新技术企业，可能有些朋友对我们的兴趣社交产品TT语音和TT电...……更多
2024-05-24 22:22:00模态,生产力,副总,场景,大会,智能
...通过整合跨模态信息，山海多模态大模型能够接收文本、音频、图像等多种形式作为输入，并实时生成文本、音频和图像的任意组合输出。▲云知声山海助手微信小程序IT之家获悉，山海多模态大模型有如下特点：实时秒回，自...……更多
2024-08-27 09:38:00模态,山海,实时,生成,模型,图像
...来里程碑Gemini1.0具有原生多模态的能力，能够处理视频、音频、图像、文本、代码等多种形式的内容，且性能优于现有的“拼接型”多模态大模型。据谷歌介绍，Gemini不仅可以进行双模态之间的转换，也能处理需要进行多模态转...……更多
2023-12-11 15:01:00模态,热潮,产业发展,产业,发展,模态
...术企业展示AI时代云上创新的潮流科技。喜马拉雅珠峰AI音频多模态大模型亮相云栖大会，在“人工智能+”主题馆吸引众多市民驻足围观体验。AI（人工智能）已经在深刻影响着我们的生活，也影响和改变着内容创作行业。作为...……更多
2024-09-21 09:50:00喜马拉雅,创作者,模型,创作,音频,内容
...Qwen-72B的开源，通义千问还开源了18亿参数模型Qwen-1.8B和音频大模型Qwen-Audio。开源模型Qwen-1.8B，推理2K长度文本内容仅需3G显存，可在消费级终端部署。Qwen-Audio能够感知和理解人声、自然声、动物声、音乐声等各类语音信号。用...……更多
2023-12-01 13:33:00通义,模态,模型,尺寸,参数,模型
...，随着多模态学习的兴起，研究者们对结合文本、图像和音频等多种数据类型的模型产生了浓厚的兴趣。其中，多模态对比学习成为了这一领域的重要方法，如CLIP和ALIGN等模型利用对比损失训练，以增强图像和文本的相关性，进...……更多
2024-08-02 09:55:00误差,中科院,隐私,方法,数据,学习
...类可以同时处理和整合多种感知数据（例如文本、图像、音频等）的AI架构。据介绍，Monkey模型在18个数据集上的实验中表现出色，特别是在图像描述和视觉问答任务方面，超越了众多现有知名的模型如微软的LLAVA、谷歌的PALM-E、...……更多
2023-12-15 01:14:00华中科技大学,华中,模态,模型,教授,大学
...探索方向中，“情感AGI”的重要意义。相比文本和图片，音频内容是理解人类情感最好的方式，而音乐又是人类情感表达最充沛、最不受地域和文化限制的内容载体，不论时代变幻，不论是战争还是灾祸，人们总是能通过音乐传...……更多
2024-04-03 11:35:00天工,颠覆,模型,体验,音乐,天工
...型GPT-4 Turbo的两倍，但成本仅为GPT-4 Turbo的一半，视频、音频功能得到改善。OpenAI CEO奥尔特曼（Sam Altman）在博客中表示，ChatGPT免费用户也能用上新发布的GPT-4o。此外，OpenAI还与苹果走到一起，推出了适用于macOS的桌面级应用。Ope.……更多
2024-05-14 14:39:00实测,人机,更快,模型,成本,速度
...，Gemini终于揭开了面纱——展现了其文本、图像、视频、音频和代码的五大能力，一口气推出了大中小三个版本，从云上到手机、平板都可以跑。并且，Gemini还有大量的酷炫用例：AI对一段视频可以做出准确反应，AI能和你玩你...……更多
2023-12-07 08:18:00全能,选手,模型,焦点,分析,模型
...惊掉在场所有观众的下巴。在短短232毫秒内，GPT-4o就能对音频输入做出反应，平均为320毫秒。这个反应时间，已经达到了人类的级别！受消息面的催化，今日人工智能AIETF（515070）开盘冲高，截至发稿，人工智能AIETF（515070）涨0....……更多
2024-05-14 12:39:00人工智能,人工,智能,人工智能,人工,智能
...AI技术为基础的多媒体创作垂类大模型，由视频大模型、音频大模型、图片大模型、语言大模型组成，聚焦数字创意垂类创作场景。2月2日，万兴科技在互动平台表示，天幕大模型主要基于公司在数字创意领域二十年的产品开发...……更多
2024-02-19 08:10:00颠覆,布局,行业,视频,公司,模型
...发布会上对外展示，当时发布的新一代大模型GPT-4o集文本音频视觉于一身，支持文本、音频和图像的任意组合作为输入和输出，被OpenAI称为“迈向更自然的人机交互的一步”。根据当时公布的基准测试，GPT-4o在多语言、音频和视...……更多
2024-06-26 11:35:00语音,模型,速度,正在,功能,技术
...味着它接受包括多种媒体类型的输入，组合文本、图像、音频、视频和编程代码。未来，谷歌还计划将 Gemini添加到谷歌搜索引擎和 Chrome 网络浏览器等产品中，而全球有数十亿人在使用这些产品。谷歌首席执行官皮查伊
让GPT-4...……更多
2023-12-07 16:15:00神仙,模型,观察,科技,模型,任务
...实现认知和决策智能的转折点。现实世界的信息是文本、音频、视觉、传感器以及人类各种触觉的综合体系，要更为精准地模拟现实世界，就需要将各种模态能力打通，例如文本-图像、文本-视频等跨模态甚至全模态的综合能力...……更多
2024-03-24 17:44:00李开复,工场,模型,领域,应用,投资
...以多种模态存在——自然语言、程序代码、图像、视频、音频、3D模型、数学符号……这些信息形式各自独立，彼此之间的“对话”几乎不存在。AI虽然能够在单一模态下表现出色，但面对多模态信息时，却往往显得力不从心。...……更多
2024-09-20 09:51:00阿里,生成,统一,语言,世界,模态
...V不仅可以对屏幕界面进行识别和操作，也可以通过接管音频进行自主对话，以完成用户交代的任务，例如帮助我们去订餐厅、订咖啡等等。第三个方面是重构人与物理世界的连接体验，vivo利用多模态大模型，让手机成为视障人...……更多
2024-10-11 09:55:00一键,衣食,全家,模型,智能,模型
...基于文本输入的就有7种——图像、视频、代码、3D模型、音频、文本、科学知识……尤其2022年，效果好的AI生成模型层出不穷，又以OpenAI、Meta、DeepMind和谷歌等为核心，发了不少达到SOTA的模型。这不，立刻有学者写了篇论文，...……更多
2023-01-30 16:34:00生成,模型,新论,代表作,盘点,进展
...多模态，具备跨模态推理能力，包括文本，图像，视频，音频和代码。Gemini分为三个版本Ultra-三个模型版本中功能最强大，适用于高度复杂的任务Pro-适用于广泛任务的最佳模型Nano-性能最佳的模型，适用于终端设备和内存有限的...……更多
2024-05-02 10:38:00机器人,整合,机器,地址,模型,模态
...服务。而在性能方面，谷歌官方信息显示，从自然图像、音频和视频理解到数学推理，在被大型语言模型（LLM）研究和开发中广泛使用的32项学术基准中，Gemini Ultra的性能有30项都超过了目前最先进的水平。Gemini Ultra的得分率为90...……更多
2023-12-08 16:29:00印度,微软,老乡,正面,模型,微软
更多关于科技的资讯：
南报网讯（通讯员胡晓靓记者夏思宇）走进南京绿叶制药有限公司制冷站，冷水机组、冷冻水泵、冷却水泵、冷却塔等设备稳定运转，维持药品生产GMP车间的恒温恒湿环境
2025-10-17 08:13:00
10月16日，2025中国国际数字经济博览会展区工作人员在调试机器人。 河北日报记者 史晟全摄借助VR设备沉浸在古城往事中
2025-10-17 08:23:00
我从事科技研发工作，出生在一个三代从商的家庭。我的祖父是一名民营企业家，在枣强县这片土地上开启了玻璃钢产业创业之路；我的父亲骑着一辆摩托车闯荡天津
2025-10-17 09:11:00
博物馆“抢票”成第一关，中轴线打卡、汉服妆造让历史游玩出沉浸新花样……音乐节、演唱会与国际顶级体育赛事一票难求，“为一场演出赴一座城”成为常态
2025-10-17 09:15:00
阅读提示唐山市高新技术产业开发区在机器人新赛道上频频发力，已形成以工业机器人为引领、特种机器人为亮点、服务机器人为特色
2025-10-17 09:19:00
旭客民宿出租车广告上线，金华房东的“生意牌面”正在刷新最近在金华街头，不少人注意到一组频繁穿梭的出租车广告：“住旭客民宿
2025-10-17 09:25:00
碳硅共生，合创AI+时代——第13届中国移动全球合作伙伴大会于今日在广州保利世贸博览馆盛大启幕。神州泰岳作为中国移动长期重要合作伙伴
2025-10-17 09:25:00
金秋时节，硕果盈枝。由瑞派股份市场营销中心倾力打造的“2025年度瑞派短视频大赛职人专属赛道培训”在热烈氛围中圆满收官
2025-10-17 09:55:00
市场销售疲软，高档卷烟销售增速放缓，中低档卷烟却因消费需求旺盛出现供应紧张的问题，这是当前卷烟销售工作面临的瓶颈。受计划经济体制影响
2025-10-17 10:02:00
16日，由中国旅行社协会、中国旅游集团主办的2025首届国际旅行服务大会暨交易展（以下简称“旅服会”）迎来媒体开放日。来自30余家主流媒体
2025-10-17 10:04:00
今年双11，海尔智家把“听劝”从线上搬到了线下，在黄岛东方影都打造了一场规模空前的“智慧科技众测”现场，让“用户声音”与“产品研发”真正零距离对话
2025-10-17 10:07:00
多彩贵州网讯 10月13日，为期三天的“2025微光行动·希望工程”体彩旭日研学实践活动正式拉开帷幕。来自贵州民族大学
2025-10-17 10:15:00
10月15日，第八届“绽放杯”5G应用征集大赛山东区域赛决赛及颁奖典礼在济宁落下帷幕。本次大赛以“5G扬帆再启航，智绘齐鲁新篇章”为主题
2025-10-17 10:34:00
据澎湃新闻消息，雷军在小米汽车成都事故后首次公开露面演讲。10月16日，世界智能网联汽车大会，小米CEO雷军在演讲中表示
2025-10-17 10:34:00