云知声于 23 日宣布推出山海多模态大模型。
通过整合跨模态信息，山海多模态大模型能够接收文本、音频、图像等多种形式作为输入，并实时生成文本、音频和图像的任意组合输出。
AI在线获悉，山海多模态大模型有如下特点：
实时秒回，自由插话：与现实对话中人类的响应时间相似；支持对话随时打断，用户可在对话中任意插话
感知情绪，表达情绪：通过语音文本判断用户情绪，还能捕捉用户语音的语气、节奏和音调等微妙变化，感知对方情绪状态
音色自由切换：根据用户的个性化需求，自由切换音色；学习用户的音色、风格，复刻用户声音
视觉场景理解：“看见”周围环境，结合图像和文字，提供易于理解的总结
图像生成，构筑个性艺术：根据用户指令创建视觉内容，提供符合个性化需求的定制画面
