多模态大语言模型

字节跳动 近日发布了震动业界的 Vidi2 多模态大语言模型，这款模型拥有 120亿个参数，专注于视频理解与编辑。Vidi2 的推出标志着视频编辑领域进入了全自动化时代，简化了创作过程，大幅提高了...

阿里巴巴语音AI团队近日发布了全球首个支持链式推理的音频生成模型——ThinkSound。这一突破性模型采用思维链技术，不仅解决了传统视频转音频技术中的多种瓶颈，还实现了高保真、强同步的空间音频生成...