cherry 云知声于 23 日宣布推出山海多模态大模型。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。
山海多模态大模型有如下特点：
实时秒回，自由插话：与现实对话中人类的响应时间相似；支持对话随时打断，用户可在对话中任意插话。
感知情绪，表达情绪：通过语音文本判断用户情绪，还能捕捉用户语音的语气、节奏和音调等微妙变化，感知对方情绪状态。
音色自由切换：根据用户的个性化需求，自由切换音色；学习用户的音色、风格，复刻用户声音。
视觉场景理解：“看见”周围环境，结合图像和文字，提供易于理解的总结。
图像生成，构筑个性艺术：根据用户指令创建视觉内容，提供符合个性化需求的定制画面。
免责声明：素材源于网络，如有侵权，请联系删稿。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
