VITAAudio–开源的端到端多模态语音大模型，低延迟、推理快
AI工具百科：
VITAAudio是什么
VITAAudio 是开源的端到端多模态语音大模型，具有低延迟、推理速度快的特点。通过轻量级的多模态交叉标记预测（MCTP）模块，可在首次前向传播中生成音频...
OThinkMR1–OPPO联合港科大推出的多模态语言模型优化框架
AI工具百科：
OThinkMR1是什么
OThinkMR1是OPPO研究院和香港科技大学（广州）联合推出的多模态语言模型优化框架。基于动态调整KullbackLeibler（KL）散度策略（GRPOD）和奖励模型，提...
明岐–上海交大推出的医学多模态大模型，精准诊断罕见病
AI工具百科：
明岐是什么
明岐是上海交通大学计算机学院LoCCS实验室推出的首个精准诊断罕见病的医学多模态大模型。基于“大模型能力矩阵 + 专家路由协同”的双引擎驱动架构，整合医学影...
MotionAnything–腾讯联合京东等高校推出的多模态运动生成框架
AI工具百科：
Motion Anything是什么
Motion Anything 是澳大利亚国立大学、悉尼大学、腾讯、麦吉尔大学、京东等机构推出的多模态运动生成框架，根据文本、音乐或两者的组合生成高质量...
