标签: Multimodal

该标签下的全部文章 "Multimodal".

• 模型怎样看图和听声音：多模态与实时对话

  更新于:9 Sep, 2026

  |LLM 基础

  从破损照片和语音售后问题，理解视觉编码、跨模态连接、语音链路、播放与打断，以及多模态证据的边界。

• 多模态与语音评测：把感知、推理和交互拆开

  1 Sep, 2026

  |Agent Evaluation

  为图像、文档、ASR、TTS 和实时语音 Agent 设计分层指标、数据集与人工评审。