模态模型资讯

对话智源研究院副院长林咏华：当下已进入语言模型深水区预计2025年会出现更多新的多模态模型

近日，智源研究院发布并解读国内外100余个开源和商业闭源的语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测结果。

人类的沟通交流充满了多模态的信息。为了与他人进行有效沟通，我们既使用言语语言，也使用身体语言，比如手势、面部表情、身体姿势和情绪表达。因此，为了理解和生成人类动作，理解这些多模态的行为至关重要，而且这一研究方向最近受到的关注也越来越多。

人类的沟通交流充满了多模态的信息。为了与他人进行有效沟通，我们既使用言语语言，也使用身体语言，比如手势、面部表情、身体姿势和情绪表达。因此，为了理解和生成人类动作，理解这些多模态的行为至关重要，而且这一研究方向最近受到的关注也越来越多。

OpenAI 在 "ship-mas" 系列活动中发布了 Sora Turbo 视频生成 AI，支持生成20秒1080p 视频，用户可通过文本、图片或视频进行创作，具有多种风格和剪辑功能。该平台强调创意表达与内容安全，用户可浏览其他创作者的视频。

法国AI企业Mistral AI周一（11/18）发布了全新的多模态模型Pixtral Large，以及采用Pixtral Large的新一代聊天机器人Le Chat，它能理解文件与图像，得以生成形象，还能替用户搜索网络。