audio-vision

标签

#audio-vision

@leeoxiang: 音视频的实时决策模型，场景太丰富了，搞了几个场景 demo 让大家感受下。会带来一波 VoiceAgent 以及具身智能场景的落地。 https://realtime-omni.dot.cc

X AI KOLs Following ↗ · 6天前缓存

介绍 clef-omni 音视频实时决策模型的在线体验站点，通过八个交互实验实时展示模型对音视频输入的理解、决策与概率，作者认为这将推动 VoiceAgent 与具身智能场景的落地。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈