JD เปิดโอเพนซอร์ส JoyAI-VL-Interaction โมเดลโต้ตอบภาษาภาพวิดีโอเรียลไทม์ ให้โมเดลขนาดใหญ่เปลี่ยนจาก 'ถามตอบ' สู่ 'ดูไปพูดไป'
สรุปโดย AI
JD ประกาศเปิดโอเพนซอร์ส JoyAI-VL-Interaction โมเดลโต้ตอบภาษาภาพวิดีโอเรียลไทม์ ซึ่งเป็นโมเดลและระบบ interaction แบบ full-stack โอเพนซอร์สแห่งแรกของโลก ได้รับการสนับสนุนเนทีฟจาก vLLM-Omni day-0 โมเดลมีความก้าวหน้าสามประการ: การตัดสินใจเชิงรุก (สังเกตสตรีมวิดีโออย่างต่อเนื่องและตัดสินใจเองว่าเมื่อใดควรพูด) การตอบสนองเรียลไทม์ (ตอบสนองต่อสตรีมวิดีโอที่กำลังเกิดขึ้นทันที) และการมอบหมายให้เอเจนต์อย่างเหมาะสม (งานที่ซับซ้อนส่งต่อให้โมเดลเบื้องหลัง ขณะที่ส่วนหน้าสังเกตต่อ) รองรับอินพุตวิดีโอจากกล้อง สตรีมไลฟ์ และสตรีมกล้องวงจรปิด รวมถึงอินพุตและเอาต์พุตเสียง อินเทอร์เฟซแบบภาพ ความจำระยะยาว และการติดตั้งใช้งานด้วย vLLM ในการประเมินแบบ blind review โดยมนุษย์จริง 58 กรณี มีอัตราชนะโดยรวม 77.6% เมื่อเทียบกับผู้ช่วยวิดีโอคอลของ Doubao และ 87.9% เมื่อเทียบกับผู้ช่วยวิดีโอคอลของ Gemini
ข้อมูลสำคัญ
- JD ประกาศเปิดโอเพนซอร์ส JoyAI-VL-Interaction โมเดลโต้ตอบภาษาภาพวิดีโอเรียลไทม์…
- 6% เมื่อเทียบกับผู้ช่วยวิดีโอคอลของ Doubao และ 87.
- 9% เมื่อเทียบกับผู้ช่วยวิดีโอคอลของ Gemini
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- IT之家·人工智能
- หมวดหมู่
- เปิดตัวโมเดล
- คะแนน AI
- 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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: JD เปิดโอเพนซอร์ส JoyAI-VL-Interaction โมเดลโต้ตอบภาษาภาพวิดีโอเรียลไทม์ ให้โมเดลขนาดใหญ่เปลี่ยนจาก 'ถามตอบ' สู่ 'ดูไปพูดไป' 22 มิถุนายน 2026 https://new.nat6.net/th/news/cmqozph2l05nlslx6ip3k2irx/