算法论文8

Stream-Omni：高效多模态交互大模型

机器之心2025-07-07

AI 摘要

中国科学院计算技术研究所团队推出Stream-Omni，可支持文本、视觉和语音多模态交互。它通过独特模态对齐方式，减少对大规模数据依赖，语音交互还能同步输出中间文本，不过在拟人化等方面有局限。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

阿里发布新一代多模态大模型家族

本文围绕云栖大会阿里巴巴发布的新一代多模态生成模型家族展开，介绍多模态大模型的技术演进方向，分析其对专业内容生产领域的改变与落地价值。

本文作者实测优篮子Ulanzi与腾讯WorkBuddy联合推出的Vibe Key AI键盘麦，体验语音调用AI完成创作、办公任务，分析产品优势与不足，给出针对性购买建议。

本文是InfoQ翻译的OpenAI技术分享，详细公开GPT-Live实现连续有状态低延迟语音交互的架构设计，分享了架构拆分、协议优化、上线测试等实践经验与设计权衡。

上海人工智能实验室在2026浦江创新论坛发布开源基础大模型书生-S2，该模型科学能力比肩顶尖闭源模型，通用能力居开源第一梯队，创新架构支持专业知识持续扩展，强化长程科研与智能体能力，可为真实科研任务提供支撑。