让我们看看演示视频吧！
MoshiVis，基于Moshi开发的视觉语音模型，支持自然的对话风格和低延迟，支持多轮对话，可以详细描述图片内容，回答关于图片的问题，阅读图片中的文字。
Github地址：https://github.com/kyutai-labs/moshivis
微信扫描下方的二维码阅读本文
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)