Open MOSS 开源实时多模态模型
AdinaYakup · x · 2026-07-19
Open MOSS 开源了 **MOSS-VL-Realtime**，在 Hugging Face 上可用。这个 11B 模型家族支持文本、单图/多图、单视频/多视频，以及图文交错输入，覆盖中文和英文场景。 项目强调了几项设计：用 **Cross-Attention** 将视觉编码与语言推理分离、用 **XRoPE** 做统一时空位置编码、提供适用于离线/流式/实时交互的统一对话模板，并支持 **256K token** 上下文。它还能在生成回复时继续处理新帧，根据场景变化修改或中断回答，甚至在证据不足时保持沉默。
「多模态」频道最新
- 纸雕风图像提示词模板 — azed_ai · 2026-07-20
- Midjourney 和 Seedance 动效作品 — Swimming-Tooth2422 · 2026-07-20
- 用 AI 伪造体育直播画面 — techhalla · 2026-07-20
- 商汤U1 Pro主打交付级生图 — KevinNaughtonJr · 2026-07-20
- Seedance 领跑 AI 电影制作 — taherdhanera · 2026-07-20
- ComfyUI里怎么给Anima Turbo做放大 — SILVER5893 · 2026-07-20