让我们看看演示视频吧！

MinMo，阿里推出的语音交互的多模态大语言模型，具有大约 8B 个参数，语音到文本的延迟约为 100 毫秒，全双工延迟理论上约为 600 毫秒，实际约为 800 毫秒。

项目地址：https://funaudiollm.github.io/minmo/



微信扫描下方的二维码阅读本文

MinMo，阿里推出的语音交互的多模态大语言模型插图

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。