Ant Group merilis model besar multimodal open-source Ming-Flash-Omni 2.0, model generasi audio serba guna pertama di industri yang dapat secara bersamaan menghasilkan suara, efek lingkungan, dan musik dalam satu trek audio. Pengguna dapat memberikan instruksi menggunakan bahasa alami untuk mengontrol nada suara, kecepatan bicara, intonasi, volume, emosi, dan dialek. Model ini mencapai frame inference yang sangat rendah sebesar 3.1Hz selama tahap inferensi, memungkinkan pembuatan audio panjang selama menit secara real-time dan berkualitas tinggi. (Laporan Daily Science and Technology Innovation Board)
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Ant Group merilis model besar multimodal open-source Ming-Flash-Omni 2.0
Ant Group merilis model besar multimodal open-source Ming-Flash-Omni 2.0, model generasi audio serba guna pertama di industri yang dapat secara bersamaan menghasilkan suara, efek lingkungan, dan musik dalam satu trek audio. Pengguna dapat memberikan instruksi menggunakan bahasa alami untuk mengontrol nada suara, kecepatan bicara, intonasi, volume, emosi, dan dialek. Model ini mencapai frame inference yang sangat rendah sebesar 3.1Hz selama tahap inferensi, memungkinkan pembuatan audio panjang selama menit secara real-time dan berkualitas tinggi. (Laporan Daily Science and Technology Innovation Board)