阿里开源TLive-Omni：电商直播全模态理解模型，支持256K上下文
aigclink · x · 2026-08-26
阿里淘宝开源了电商直播全模态理解模型TLive-Omni，基于Qwen3.5骨干和AuT音频编码器，支持256K token上下文。模型采用Timestamped Per-vGrid布局，将音频和视频token按时间网格对齐，解决音画秒级对齐问题。具备语音识别、说话人识别、商品视觉定位、OCR、时序定位、视频密集描述、全模态问答、多维度镜头标注等能力。已发布4B和9B版本，技术报告已上线arXiv。可应用于直播回放系统、直播复盘、内容切片等场景。
所属事件:TLive-Omni电商直播全模态理解模型开源(4 条相关)→
「模型」频道最新
- Meta 开源 816B 参数 MoE 模型 Muse Spark Open,激活仅 42B — victormustar · 2026-10-16
- Baseten 首日上线 Muse Spark Open API:输入 $1.25/百万 token — baseten · 2026-10-16
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- d1-ultra 登顶 Artificial Analysis 决策指数，成本仅约 30 美元/百万任务 — JosephJacks_ · 2026-10-16
- 用户喊话 Google：给新模型放宽用量、合并成一个 App — dreamwieber · 2026-10-16
- 用户吐槽:Gemini 网页版可用但编码工具中无权限,体验割裂 — dreamwieber · 2026-10-16