云知声推出山海多模态大模型：实时生成文本、音频和图像

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。

IT之家获悉，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

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。

未经允许不得转载：新聚网 » 云知声推出山海多模态大模型：实时生成文本、音频和图像