AIGC動態歡迎閱讀

原標題：別等GPT-4o啦，國產「開源版」GPT-4o 來了！支持全模態、無障礙交流
關鍵字：騰訊,音頻,模型,數據,文本
文章來源：夕小瑤科技說
內容字數：0字

內容摘要：

夕小瑤科技說 原創作者 | 謝年年騰訊最近的多模態進展有點子“一路高歌”，先是騰訊元寶升級了一模態能力，就差把GPT-4o從榜一拉下來了。
最近，又搞了一個和GPT-4o對標的交互式多模態模型——VITA，而且率先開源了。
每次使用Siri時，都得先說個喚醒詞，比如“Hi! Siri”，或者按個按鈕才能開始說話。而且，當機器在回答用戶提問的時候，用戶就不能繼續提問了，因為它只能按順序處理輸入。
這次，騰訊提出了VITA，打破了這一限制！
“VITA”看這名字就知道，其能夠同時處理和分析 Video（視頻）、Image（圖像）、Text（文本） 和 Audio（音頻）。VITA不僅具備強大的多語言、視覺和音頻理解基礎能力，在各種單模態和多模態基準測試中表現強勁。更重要的是，VITA帶來了兩個超棒的改進：
無需喚醒的交互：VITA很聰明，能自動忽略周圍環境中的無關聲音，如他人的談話。所以你不用再說喚醒詞，也不用按按鈕，就能自然而然地與VITA展開對話。
音頻中斷的交互：當VITA正在回答時，如果用戶突然想到另一個問題，只需直接說出，VITA便能立即暫停當前回答，迅速轉向并解答新問題。這

原文鏈接：別等GPT-4o啦，國產「開源版」GPT-4o 來了！支持全模態、無障礙交流

聯系作者

文章來源：夕小瑤科技說
作者微信：
作者簡介：