Github揽获1.6K星！南大、腾讯发布VITA-1.5: 迈向GPT-4o级实时视频-语音交互
近年来，多模态大语言模型（MLLMs）主要聚焦在视觉和文本模态的融合上，对语音的关注较少。然而，语音
VITA-1.5
震撼！首个开源的交互式全模态大语言模型，GPT-4o realtime的开源实现。
南京大学AI团队发布的VITA-1.5开源项目是一款接近实时的多模态大型语言模型，支持中英文，显著降低交互延迟，并在语音处理和图像理解方面取得提升。