国内团队最新开源模型，仅用4块GPU、不到3天训练出「开源版GPT-4o」
来源丨机器之心 LLaMA-Omni能够接收语音指令，同步生成文本和语音响应，响应延迟低至 226ms，低于 GPT-4o 的平均音频响应延迟 320ms。 论文标题：LLaMA-Omni: Seamless Speech Interact…
10 0 0
声浪
无所不分：多模态音频分离模型AudioSep
近年来，多模态模型（Multimodal Models）在深度学习领域取得了显著进展。这类模型能够同时处理和整合来自不同模态（如文本、图像、音频、视频等）的数据，提供更为全面的理解和应用能力。CLIP、Grounding DINO、SAM等…
6 0 0
阿里史上最大规模开源发布，超GPT-4o 、Llama-3.1！
今天凌晨，阿里官宣了史上最大规模的开源发布，推出了基础模型Qwen2.5、专用于编码Qwen2.5-Coder和数学的Qwen2.5-Math。 开源地址：https://huggingface.co/collections/Qwen/qw…
11 0 0
字节发布音乐大模型 Seed-Music，10秒录音变身歌声，音乐创作GPT 时刻到来！
字节正式发布Seed-Music音乐生成大模型，整个AI音乐框架非常全面且创新，涵盖了从音频编辑、旋律生成到完整歌曲制作的全流程。 项目主页：https://team.doubao.com/seed-music 论文链接：https://l…
11 0 0
基于dVAE-BERT模型的阿尔茨海默症检测新进展
阿尔茨海默病（Alzheimer’s Disease，AD）是全球范围内最常见的神经退行性疾病之一。随着人口老龄化加剧，AD患者的数量也逐年增加，给社会医疗体系带来了巨大的压力。早期诊断对于减缓疾病进展至关重要，然而传统的诊断方法往往依赖于…
4 0 0
张俊林：谈谈OpenAI o1的价值意义及RL的Scaling law
近日，张俊林在新浪微博发布了对关于OpenAI o1 的价值意义及 RL 的 Scaling law。 一、OpenAI o1 是大模型的巨大进步 我觉得 OpenAI o1 是自 GPT 4 发布以来，基座大模型最大的进展，逻辑推理能力提…
7 0 0
国内最大MoE开源大模型来了，还基于此搞出个火遍港台的AI聊天应用
来源丨机器之心 元象 XVERSE 发布中国最大 MoE 开源模型：XVERSE-MoE-A36B，加速 AI 应用低成本部署，将国产开源提升至国际领先水平。 该模型总参数 255B，激活参数 36B，达到 100B 模型性能的「跨级」跃升…
6 0 0
中科大与科大讯飞研究团队开源音乐文本控制音乐生成模型，效果惊艳！
中科大与科大讯飞研究团队开源高质量音乐文本控制音乐生成模型，轻松实现震撼生成效果！ 论文地址：https://arxiv.org/pdf/2405.15863 开源地址：https://github.com/ivcylc/qa-mdt De…
5 0 0
OpenAI发布史上最强模型-o1，推理能力超人类博士！
大模型领域的技术发展，今天起再次「从 1 开始」了。 就在刚刚，OpenAI最强的o1系列模型忽然上线。毫无预警地，OpenAI就扔出这一声炸雷。传说中两周内就要上线的草莓模型，居然两天内就来了！ 从今天开始，o1-preview在Chat…
13 0 0
Mini-Omni：首个开源实时语音交互模型，边听边说边思考，延迟比GPT-4o还要低
Mini-Omni是一个开源多模态大型语言模型，具备实时对话能力和端到端的语音输入输出功能。通过独特的文本指导并行生成方法，实现了与文本能力一致的语音推理输出，仅需极少的额外数据和模块。 论文题目：Mini-Omni: Language M…
10 0 0