Mula sa "tanong-sagot" patungo sa "panonood at pagsasalita", open source ng JD ang real-time video vision language interaction model na JoyAI-VL-Interaction
AI summary
Opisyal na inanunsyo ng JD ang open source na real-time video vision language interaction model na JoyAI-VL-Interaction, ito ang kauna-unahang full-stack open source interaction model at system sa mundo, na nakatanggap ng vLLM-Omni day-0 native support. May tatlong breakthrough ang modelo: proactive judgment (patuloy na nagmamasid sa video stream at kusang nagpapasya kung kailan magsasalita), real-time response (agad na tumutugon sa kasalukuyang video stream), at timely agent delegation (inililipat ang komplikadong gawain sa background model, patuloy na nagmamasid ang foreground). Sumusuporta sa camera, live stream, surveillance stream at iba pang video input, pati na voice input/output, visualization interface, long-term memory at vLLM deployment. Sa 58 na totoong tao blind evaluation case, ang overall win rate laban sa video call assistant ng Doubao ay 77.6%, at laban sa video call assistant ng Gemini ay 87.9%.
Mahahalagang impormasyon
- Opisyal na inanunsyo ng JD ang open source na real-time video vision language interaction model na…
- May tatlong breakthrough ang modelo: proactive judgment (patuloy na nagmamasid sa video stream at…
- Sumusuporta sa camera,live stream,surveillance stream at iba pang video input,pati na voice…
- Sa 58 na totoong tao blind evaluation case,ang overall win rate laban sa video call assistant ng…
- 6%,at laban sa video call assistant ng Gemini ay 87.
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- IT之家·人工智能
- Kategorya
- Paglabas ng modelo
- AI na marka
- 71
京东开源了首个全栈实时视频交互模型,让大模型能持续观察并主动响应,开发者可以直接用代码搭建安防、导购等实时AI助手,实用性很强。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Mula sa "tanong-sagot" patungo sa "panonood at pagsasalita", open source ng JD ang real-time video vision language interaction model na JoyAI-VL-Interaction. 22 Hunyo 2026. https://new.nat6.net/fil/news/cmqozph2l05nlslx6ip3k2irx/