- 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
...emini 2.0 Flash，该公司称其除文本外，还能原生生成图像和音频。 2.0 Flash 还可以调用第三方应用程序和服务，使其能够接入 Google 搜索、执行代码等。2.0 Flash 的实验版本将从今天开始通过 Gemini API 和 Google 的人工智能开发者平台AI...……更多
2024-12-12 09:54:00人工智能,人工,模型,用途,全新,智能
...，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
...模型在混合训练后，各个功能会相互掣肘甚至降智，比如音频理解能力提升，文字理解能力反而降低了。但Qwen3-Omni在实现强劲音频与音视频能力的同时，单模态文本与图像性能均保持稳定，这是业内首次实现这一训练效果。通...……更多
2025-09-24 13:30:00一文,阿里,重磅,体系,大会,升级
...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
...专为全方位多模态感知设计，能够无缝处理文本、图像、音频和视频等多种输入形式，并通过实时流式响应同时生成文本与自然语音合成输出。据介绍，Qwen2.5-Omni采用Thinker-Talker双核架构。其中，Thinker 模块如同大脑，负责处理...……更多
2025-03-27 08:34:00通义,旗舰,新一代,模型,模态,文本
...，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
...几大问题：包括只能处理文本，还不能理解和生成图片、音频、视频等多媒体内容、AI幻觉率较高，更大的问题是慢和贵。“今天我们要发布的文心大模型的4.5 Turbo和X1 Turbo就是要解决这些问题的。”他接着表示。最新发布的文...……更多
2025-04-28 23:05:00坚挺,模型,李彦,应用,文心,数字
...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
更多关于科技的资讯：
当都市丽人的加拿大鹅绒保暖衣在冬日市场中掀起热潮，新品订货会上取得经销商5亿订单销量的数据。这个经典内衣品牌的华丽转身背后
2025-10-17 13:41:00
转眼秋意渐浓，中秋、国庆双节余温未散，团圆出游的热潮与“应季而食、适时而补”的传统饮食文化相互交织，共同点燃了金秋时节的滋补消费热情
2025-10-17 13:56:00
本报讯(全媒体记者李芳)10月9日，省药监局正式批准热敏灸机器人第二类医疗器械上市。这标志着江西热敏灸产业进入数智化时代
2025-10-17 07:10:00
厦门网讯 （厦门日报记者 薛尧）无人机、运动相机迎来降价潮！近日有市民发现相关热门产品价格跳水，记者走访了解到，我市多家大疆授权体验店中
2025-10-16 08:38:00
视弱人士庄先生在公交视弱辅助系统的帮助下乘车。厦门网讯（文/图 厦门日报记者 林钦圣 通讯员 江安娜） “我们先找到并打开公交App
2025-10-16 08:38:00
近日，中石化石油工程设计有限公司自主研发的“管道环焊缝射线检测缺陷智能辅助评判系统”，顺利完成准确率测试。本次测试中，该系统总计检查了210张油气长输管道环焊缝射线检测底片
2025-10-16 09:03:00
当“遇到问题先到社交媒体上搜索”成为一代青少年的本能反应，当班级群、兴趣圈与直播平台深度嵌入他们的日常生活，社交网络正构成这代“数字原住民”成长的基本环境
2025-10-16 09:16:00
在人工智能技术飞速发展的今天，大模型以其强大的信息处理与泛化能力，正深刻改变医学领域的科研与临床实践。与此同时，以聚类分析
2025-10-16 09:57:00
10月15日，“微信派”微信公众号发布最新一期播客，聊到了“真的很多人不发朋友圈了吗？”“人去世后，朋友圈会被回收吗?”等话题
2025-10-16 10:13:00
近日，深圳日日佳显示技术有限公司（以下简称“日日佳”或“公司”）正式签约入驻企知道科创空间。作为专注于TFT-LCD模组制造的细分领域的国家高新技术企业和深圳市专精特新中小企业
2025-10-16 10:18:00
当汽车从单纯的“交通工具”升级为承载多元需求的“出行载体”，是什么力量在守护这场变革的安全底线？2025世界NCAP大会即将在中国上海启幕
2025-10-16 10:50:00
2025年10月16日，由山东省商务厅主办的“数商兴农庆丰收暨九九网购节”电商促消费活动在青岛莱西市人民广场隆重启动。花田玑密品牌创始人
2025-10-16 10:53:00
10月15日，香港金融管理局（HKMA）与香港数码港管理有限公司联合公布第二期生成式AI沙盒参与者名单。蚂蚁银行、中银香港
2025-10-16 11:24:00
10月16日，小米集团合伙人、总裁卢伟冰微博正式官宣，REDMI K90系列明天见。他发文透露，本次发布会是小米手机业务在旗舰新品发布季的第二篇章
2025-10-16 12:00:00