多模态 | AI导航网站

多模态

Mini-Omni

Mini-Omni是一款开源的多模态大型语言模型，具备实时语音输入和流媒体音频输出的对话能力，能够在思考的同时进行听觉和语言交流。

多模态大型语言模型实时语音输入

EMMA

Tencent EMMA 图像生成多模态优质新品 EMMA是一个基于最前沿的文本到图像扩散模型E

EMMA 图像生成多模态

Video-MME

Video-MME 多模态视频分析 Video-MME是一个专注于多模态大型语言模型（MLLMs）

Video-MME 视频分析 MLLMs