Copyright 2018-2025 报纸迷 版权所有 京ICP备2018136890号
刚刚，文心5.0正式发布了！
全新一代主打原生全模态，最开始就把语言/图像/视频/音频放在同一套自回归统一架构里，做统一的理解与生成训练。
所以，最终模型能够做到支持全模态输入（文字/图片/音频/视频）+全模态输出（文字/图片/音频/视频），创意写作、指令遵循、智能体规划方面也更强了。
在官方展示中，上传一个电影片段，它立马就能分析出最紧张的情节，具体到第几秒到第几秒的那种。
同时上传一段视频和一段音频，就能让它指出视频里是否有用到音频里的音乐，还能说出节点：
做音视频融合生成也行，简单操作即可爆改甄嬛传滴血认亲（佟掌柜版）：
