阿里云百炼上线音视频实时互动功能 人人都能创建专属多模态应用

休闲 2024-12-25 21:09:08 4911

近日,阿里阿里云百炼上线了全新音视频实时互动功能,云百用用户可在百炼上自由选择文本、炼上语音和视觉理解等200多款模型,线音无需代码,视频实数分钟即可搭建一个能听、互动能看、人人会说的都能多模专属AI助手。阿里云百炼还支持以sdk的创建形式集成到Web、ioS和安卓应用,专属可应用于AI虚拟助手、阿里虚拟陪伴和AI老师等场景。云百用

阿里云百炼上线音视频实时互动功能 人人都能创建专属多模态应用

用户在百炼上几分钟即可搭建一个能听、炼上能看、线音会说的视频实专属AI助手

过去一年,大模型正在从纯文本模态向语音和视觉等多模态演进,极大地拓宽了大模型应用的想象空间。然而现有单一模型仍旧无法处理复杂的任务,为了进一步加速单一大模型构建成像人一样自然交互的复杂AI应用,阿里云百炼提供了200多款语言模型Qwen、视觉语言模型Qwen2-VL、语音合成模型CosyVoice等全模态全尺寸大模型,同时联合阿里云AI实时互动方案,在国内率先为用户提供了便捷的工作流应用和智能体编排应用,例如支持构建RAG知识库、Prompt调优、sdk集成等。

据介绍,在视觉理解模型方面,阿里云Qwen2-VL具备强大的视觉智能体能力,例如采用多模态旋转位置嵌入(M-ROPE)方法,能够同时捕捉和整合一维文本序列、二维视觉图像以及三维视频的位置信息,模型具备更好地理解和建模复杂的多模态数据,该模型一经推出就成为开源社区最受欢迎的多模态大模型;在音频方面,阿里云语音合成模型CosyVoice,通过对生成语音的情感、韵律进行细粒度的控制,情感表现力上得到明显提升,阿里云AI实时互动方案还可提供化智能降噪、智能打断、智能断句等超拟人对话能力。

以搭建一个视觉能力的AI应用为例,用户进入百炼应用控制台后,仅需上传图片知识库、编写提示词、设置音频、调优这四步,数分钟内就能创建一个能完成专属视频交互的AI应用,基于Qwen-VL强大的视觉推理能力,它不仅能识别物体的种类,还能准确描述物体的风格、特点、位置以及物体上的文字等关键信息。此外搭建好的应用还支持以音视频sdk集成到用户的Web、ioS或者安卓应用中,帮助企业快速实现业务创新。

据介绍,阿里云百炼上的通义API每百万tokens价格已降至0.3元,一汽、金山、哈啰集团、国家天文台等超30万企业和机构在使用阿里云百炼。

本文地址:http://l7vyb.angougou.net/html/1b84999149.html
版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

全站热门

考辛斯:我希望锡安能被交易到像热火这样对体型很严格的球队

[流言板]上半场发力!詹姆斯半场11中7,三分5中3得到18分2板5助1断

骁龙8 Gen3性能小平板!联想拯救者Y700 2025平板冰魄白首发3399元

队报:纳赛尔曾命令将姆巴佩弟弟排除名单,姆巴佩与前者激烈冲突

[流言板]掘金管理层中的一些成员对小波特换拉文持保留意见

拉菲尼亚开场闪击,巴萨结束欧冠对拜仁连续394分钟进球荒

“世界首创”谷歌将建造小型核电站为AI数据中心供电

参加姆巴佩瑞典派对女孩:那只是一个普通聚会,他很谦逊彬彬有礼

友情链接