上海
品玩2月11日訊，據(jù)界面新聞報道，螞蟻集團(tuán)今日正式開源發(fā)布其全模態(tài)大模型Ming-Flash-Omni 2.0。該模型在多項公開測試中，于視覺理解、語音生成及圖像編輯等關(guān)鍵能力上表現(xiàn)突出。
該模型是業(yè)界首個全場景音頻統(tǒng)一生成模型，能夠根據(jù)用戶簡單的自然語言指令，在同一條音軌中同步生成語音、環(huán)境音效與背景音樂，并可精細(xì)控制音色、語速乃至方言情緒等參數(shù)。
在視覺與圖像方面，模型增強(qiáng)了對復(fù)雜細(xì)微物體的識別精度。其圖像編輯功能也更為穩(wěn)定，支持光影調(diào)整、場景替換等復(fù)雜操作，并能在動態(tài)修改中保持畫面連貫。
目前，模型權(quán)重與代碼已在主流開源社區(qū)發(fā)布，用戶也可通過官方平臺在線體驗(yàn)。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
