别等GPT-4o啦，国产「开源版」GPT-4o 来了！支持全模态、无障碍交流

文章预览

 夕小瑶科技说 原创  作者 | 谢年年 腾讯最近的多模态进展有点子“一路高歌”，先是腾讯元宝升级了一波多模态能力，就差把GPT-4o从榜一拉下来了。 最近，又 搞了一个和GPT-4o对标的交互式多模态模型——VITA，而且率先开源了 。 每次使用Siri时，都得先说个唤醒词，比如“Hi! Siri”，或者按个按钮才能开始说话。而且，当机器在回答用户提问的时候，用户就不能继续提问了，因为它只能按顺序处理输入。 这次，腾讯提出了VITA，打破了这一限制！ “VITA”看这名字就知道，其能够同时处理和分析 Video（视频）、Image（图像）、Text（文本） 和 Audio（音频）。VITA不仅具备强大的多语言、视觉和音频理解基础能力，在各种单模态和多模态基准测试中表现强劲。更重要的是，VITA带来了两个超棒的改进： 无需唤醒的交互 ：VITA很聪明，能自动忽略周围 ………………………………