腾讯推出的M2UGen是一款多模态音乐生成框架,结合音乐和多模态任务,支持从文字、图像、视频生成音乐,并具备强大的编辑功能。
🔸 纯客户端实现,无需服务端支持,用户友好的方法易于访问
多模态模型将更多地用于文档处理(但首先需要降低成本/延迟)。
LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。在视觉聊天方面,LLaVA的表现相对于GPT-4的评分达到了85%,在推理问答方面更是达到了92.53%的超过GPT-4的新SoTA。LLaVA在回答问题时,能够全面而有逻辑地生成回答,并且可以以JSON格式输出。
当被问及把技术公开,其他友商跟进之后,会不会担心荣耀变成第二了,赵明表示:那是我们无能。”