阿里推出可实时看听对话的多模态 AI

eyishazyer · x · 2026-07-03

阿里巴巴打造了一款能够实时进行视觉与听觉理解并用语音对话回应的多模态 AI，具备实时交互能力。

原文链接 →

「多模态」频道最新

• Fish Audio 开源发布 Drama 3 TTS,博主演示旧帖一键转有声视频 — alex_verem · 2026-10-27
• Reddit 用户用 ComfyUI 生成逼真「清晨公交」短片 — no3us · 2026-10-27
• 网友为 MOSS 模型做模糊/防模糊 Slider LoRA,负权重让背景更清晰 — NoMouse9610 · 2026-10-27
• PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
• Krea-2 Turbo 搭配 ComfyUI 做产品广告图，作者晒提示词与成片效果 — comfy-king-999 · 2026-10-27
• Marigold V2 深度估计支持高分辨率分块推理，登陆 ComfyUI — AntonObukhov1 · 2026-10-27

更多「多模态」频道 AI 资讯 →