【[114星]MoshiVis：让语音模型“看懂”图像，开启视觉对话新时代。亮点

爱生活爱珂珂 2025-03-25 20:52:27

【[114星]MoshiVis：让语音模型“看懂”图像，开启视觉对话新时代。亮点：1. 基于7B参数的Moshi模型，新增约206M适配器参数，轻松讨论图像；2. 支持PyTorch、Rust、MLX三种后端，灵活部署；3. 提供实时视觉对话能力，低延迟高效率】

'MoshiVis: Teaching Speech Models to Converse about Images'

GitHub: github.com/kyutai-labs/moshivis

视觉语音模型多模态对话实时交互 AI创造营

0 阅读：2

爱生活爱珂珂

感谢大家的关注

作者最新文章

1

【[1.4k星]AlexNet-Source-Code：2012 年的原始 Al

2

【动手学 Ollama 教程：让CPU也能玩转大模型部署的开源教程。亮点：1.

3

【Gurubase：开源的RAG系统，能帮你快速创建AI驱动的问答助手，轻松搞定

4

【Transformers Breakdown：深入剖析Transformer架

5

【Student Lectures - Information Theory：牛

6

【Deep-ML Practice Problems：专注于机器学习和深度学习的

7

早！[太阳] 早安

8

晚安～ [月亮] 晚安

9

AI编程新常态：妙笔生花笑嘻嘻，Bug满天苦哈哈 [笑cry]

10

【CMU Advanced NLP S2025：卡内基梅隆大学春季2025高级自

热门分类

推荐热榜军事 NBA 体育社会明星八卦娱乐财经科技汽车历史国际游戏动漫公益搞笑商业互联网数码国际足球房产家居时尚科学探索职场育儿股票教育影视情感热点中国军情武器中国南海中国足球亚洲杯科比综合体育 CBA 投资楼市大咖秀外汇创业风口 SUV 豪车概念车优惠新能源美国欧洲朝日韩俄罗斯孕期街拍恋爱攻略婚姻正能量

科技TOP

1

安卓闭源了，中国手机厂商末日来临？华为鸿蒙崛起？突发大新闻，谷歌终于对安卓下

2

雷军小米YU7樱花照人家拍车自己买的，雷总拍车自己造的[捂脸哭]太全面了，这么早起

3

有没有注意到海尔老板的领带上都是空调、洗衣机，双开门冰箱，细节满满。

4

买iPhone16的是不是肠子都悔青了？

5

某搜索已经很久不用了，还有好几个几乎就胎死腹中了。李开复说的可能是对的！

6

苹果总部首席工程师孔龙已回国！有点遗憾的是，正值国家缺乏半导体人才之际，孔龙不是

7

小米su7，挂了牌瞬间不嘻嘻了

8

2025目前最强的六款旗舰手机，就差即将发布的蓝厂的X200Ultra了，会否

9

【#OpenAI称DeepSeek是另一个华为#：受“国家补贴”、“国家控制”】

10

这玩意AI也能生成？[捂脸哭]

科技最新文章

1

1.6万年前人类面貌复原图啥？你敢信这脸比我还精神！广西娅怀洞，1.6万年前头

2

iPhone17Pro十大升级iPhone的PM要是可以变得轻薄一点就好了[挖

3

iPhone17Pro十大升级说实话看完新iPhone和新一加13T的外观，我

4

OPPO直接放出了FindX8s和X8Ultra的外观，一个小细节黑色和白色

5

全球手机品牌三个等级！一线品牌：1、苹果：iOS（装逼大王）。2、三星

6

孔龙自美归国，孔龙带着丰富的行业经验和亮眼的科研成果回国，这是对国内科研环境与发

7

孔龙自美归国苹果的首席工程师都回国了！这个孔大佬可是牛啊，在苹果搞出了三款芯片，

8

孔龙回国后，为什么放弃了201万的年薪，却投身进了复旦实验室？手握11项苹果芯

9

鸿蒙NEXT正式版本5.0.1.105正式版更新11.2G这个更新包大的吓人

10

苹果总部首席工程师孔龙已回国！有点遗憾的是，正值国家缺乏半导体人才之际，孔龙不是