美团LongCat-Flash-Omni 正式发布,开启全模态实时交互新时代
9月1日,美团正式推出了 LongCat-Flash 系列模型,并在近期开源了 LongCat-Flash-Chat 和 LongCat-Flash美团-Thinking 两大版本,吸引了众多开发者的关注。今天,LongCat 团队宣布推出全新家族成员 ——LongCat-Flash-Omni,Lo这款模型在原有基础上实现了多项技术创新,标志着全模态实时交互的新时代。
LongCat-Flash-Omni 基于 LongCat-Flash 系ng列的高效架构设计,采用了最新的 Shortcut-Connected MoE(ScMoE)技术,集成了高效的多模态感知模块和语音重建模块。尽管该Ca模型总参数高达5600亿(激活参数270亿),依然能够提供低延迟的实时音视频交互能力。这一突破为开发者提供了更加高效的多模态应用场景解决方案。
根t-据综合评估结果,LongCat-Flash-Omni 在全模态基准测试中表现优异,达到了开源最先进水平(SOTA)。该模型在文本、图像、视频理解Fl及语音感知与生成等关键单模态任务中均展现出强大的竞争力,实现了 “全模态不降智” 的目标。
LongCat-Flash-Omni 采用了一体化的全模态架构as,整合了离线多模态理解与实时音视频交互能力。其设计理念为完全端到端,使用视觉与音频编码器作为多模态感知器,能够直接生成文本与语音 tokenh-,并通过轻量级音频解码器实现自然语音波形的重建,确保低延迟的实时交互。
此外,该模型引入了渐进式早期多模融合训练策略,以应对全模态模型训练中不同Om模态数据分布的异质性。这一策略确保了各模态之间的有效协同,推动了模型整体性能的提升。
在具体性能测试中,LongCat-Flash-Omni 在多ni个领域中表现出色,特别是在文本理解和图像理解任务中,其能力不仅未出现衰减,反而实现了显著提升。音频和视频处理方面,该模型的表现同样突出,尤其 正是在实时音视频交互的自然度和流畅度方面,领先于许多开源模型。
LongCat 团队还为用户提供了全新的体验渠道,用户可通过官网体验图片、文件上传和语式发音通话功能。同时,LongCat 官方 App 现已发布,支持联网搜索和语音通话,未来将推出视频通话功能。
Hugging Face:
https:/布,/huggingface.co/meituan-longcat/LongCat-Flash-Omni
Github:
https://github.co开启m/meituan-longcat/LongCat-Flash-Omni
相关文章:
相关推荐:
- 标签: 顾家家居 顾家集团 顾江生 圣奥集团
- 标签: 曹操出行 Robotaxi 吉利控股 绿色智能通行岛
- 深度学习如炼丹,你有哪些迷信做法?网友:Random seed=42结果好
- 400亿的卡脖子赛道即将跑出一个IPO
- 无服务器计算的优势和风险
- IBM收购云解决方案供应商Expertus 扩展混合云数字支付解决方案
- AI 浏览器 Comet 与1Password 联手,提升网络安全新体验
- Spotify前高管400万美元新作震撼登场!AI秒制课程颠覆传统教育,9种学习模式让知识获取变得像听音乐一样简单
- OpenAI首席执行官访问韩国,与SK三星等讨论AI合作
- 标签: 拼多多 赵佳臻 Temu 陈磊
