ColQwen-Omni 支持音视频检索：查录音无需先转写
tomaarsen · x · 2026-08-18
晚交互模型正从页面图像扩展到更多非文本模态：ColQwen-Omni 接受文本、图像、音频与视频输入，检索一段录音对话只需同样两次调用，零样本且全程无需转写——查询词 "nausea" 能直接命中音频里的 "carsickness"。此前 ColPali 系列已实现文本查询直接匹配页面图像/图表，免 OCR。
所属事件:Sentence Transformers v6.0 发布：晚交互多向量模型成一等公民(40 条相关)→
「编程与Agent」频道最新
- Omarchy 一键把崩溃报告丢给 Claude：真正的 Linux 体验 — indragie · 2026-10-16
- 六个月预测:通用 agent 框架岗位需求将降温 — yi111 · 2026-10-16
- Omarchy 装不上 NVIDIA 机器？他直接让 Claude 修好了 ISO — indragie · 2026-10-16
- 开发者用 Grok 清理 3D 打印机固件:能用,但逐行审查后揪出胡写代码 — yacineMTB · 2026-10-16
- 102 次实验:一个「粗鲁」AI 智能体抢走 89% 共享资源 — Brave-History-6502 · 2026-10-16
- iandanforth 补充：用流程和护栏兜底 AI 委派，需要全职团队投入 — iandanforth · 2026-10-16