介绍类GPT-4o的多模态大模型Stream-Omni

Stream-Omni：一个类GPT-4o的文本-视觉-语音多模态大模型
（1）同时支持文本、视觉、语音输入，生成文本和语音回复。
（2）语音交互过程中，同步生成中间的语音识别、文本回复结果，提供更加全面的多模态交互体验！

论文：
https://
arxiv.org/abs/2506.13642
代码&Demo：
https://
github.com/ictnlp/Stream-
Omni
…