mini-GPT4o來了? 能看、能聽、會說，還情感豐富的多模態全能助手EMOVA

AIGC動態歡迎閱讀

原標題：mini-GPT4o來了? 能看、能聽、會說，還情感豐富的多模態全能助手EMOVA
關鍵字：語音,華為,情感,文本,模型
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com
本文作者來自香港科技大學、香港大學和華為諾亞方舟實驗室等機構。其中第一作者陳鎧、茍耘豪、劉智立為香港科技大學在讀博士生，黃潤輝為香港大學在讀博士生，譚達新為諾亞方舟實驗室研究員。
隨著 OpenAI GPT-4o 的發布，大語言模型已經不再局限于文本處理，而是向著全模態智能助手的方向發展。這篇論文提出了 EMOVA（EMotionally Omni-present Voice Assistant），一個能夠同時處理圖像、文本和語音模態，能看、能聽、會說的多模態全能助手，并通過情感控制，擁有更加人性化的交流能力。以下，我們將深入了解 EMOVA 的研究背景、模型架構和實驗效果。論文題目：EMOVA: Empowering Language Models to

原文鏈接：mini-GPT4o來了? 能看、能聽、會說，還情感豐富的多模態全能助手EMOVA