Stream-Omni: Simultaneous Multimodal Interactions with Large Language-Vision-Speech Model

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Zhang, Shaolei, Guo, Shoutao, Fang, Qingkai, Zhou, Yan, Feng, Yang
Format:	Preprint
Publié:	2025
Sujets:	Artificial Intelligence Computation and Language Computer Vision and Pattern Recognition Sound Audio and Speech Processing
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2506.13642