LongCat 8分間の音声とビデオ

オープンソースの LongCat-Flash-Omni: 128K コンテキスト + テキスト/画像/オーディオ/ビデオから音声出力

I. 要約 LongCat-Flash-Omniは、MeituanのLongCatチームによるオープンソースのマルチモーダル（オムニモーダル）モデルです。テキスト、画像、音声、動画の統合モデリングを提供することで、LongCat-FlashのScMoEアーキテクチャを拡張しています。約560バイトの...