微表情捕捉、潜台词翻译,AI“读心专家”就位!
合集 · 通义前哨站 (71)
-
【直播回放】ICLR 2025论文解读(上)——通义实验室篇
1:02:05
-
智能体工作流评估新框架:WorFBench
1:11
-
这是通义千问的来时路。
1:20
-
从单图到可驱动3D数字人生成技术讲解
15:23
-
有人问Qwen2.5-Omni 和VL的区别?
1:15
-
【直播回放】ICLR 2025论文解读(下)——通义实验室篇
1:27:46
-
通义万相2.1的3D VAE是什么?
2:03
-
多模态大模型解题新思路:mPLUG-Owl3
1:29
-
行业首发全栈MCP服务,尽在百炼平台~
0:42
-
通义万相2.1首尾帧生视频模型开源
1:29
-
【玩转MCP】手把手教你自定义部署MCP服务
1:23
-
【玩转MCP】手把手教你搭建专属MCP Agent
1:23
-
超写实3D数字人大模型(LAM)技术报告解读
1:57
-
表情、声音、说话风格一键复刻!
1:34
-
我们为千行百业而来。
0:23
-
Qwen3 来了!
0:40
-
Thinking Budget:让大模型灵活思考
1:20
-
Qwen3+MCP带来哪些新场景?
0:56
-
太好了,是Qwen的Deep Research,我们有救了
1:00
-
通义万相视频编辑统一模型VACE开源发布
1:07
-
【直播回放】通义万相视频编辑统一模型VACE开源
10:01
-
如果有Wan Day,它会是什么样子?
2:14
-
ZeroSearch:无需真实搜索也能激发模型搜索能力
2:42
-
今天来复习一下Qwen2.5-VL技术报告!
3:24
-
ParScale:一种全新的大模型Scaling Law
3:15
-
大模型如何持续进化,实现精准检索?
2:01
-
【直播回放】Qwen3-Embedding模型深度解析
59:14
-
语音识别怕噪声?CoGenAV 来破局!
2:40
-
在这里,了解通义千问的一切
0:37
-
微表情捕捉、潜台词翻译,AI“读心专家”就位!
1:36
-
理解画面捕捉细节,你的AI音效师来啦!
1:47
-
框架开源,无需邀约,即刻体验!
5:03
-
Qwen Vlo|描绘你关于世界的想象
0:57
-
10分钟,打造你的专属实时语音交互应用!
1:51
-
手机也能跑 Qwen3?手把手教你部署!
1:41
-
一句话玩转网页开发!
1:10
-
【直播回放】Ask Qwen3 Anything 2025年04月30日10点场
1:04:15
-
如何让AI有理有据地识别情绪?
52:16
-
来吧,上船,起航!
5:10
-
👂听说,Qwen3-Coder其实也能听懂大白话?
1:16
-
人人都是大导演!通义万相2.2来了!🤩
1:57
-
Github 5K+🌟WebAgent研究团队新作:WebShaper来啦
1:05
-
书画双全!Qwen-Image开源🖌
1:57
-
【直播回放】Qwen-Image技术报告解读和模型实战攻略01
2:04:47
-
音画传情 声启万相
1:05
-
什么呀?语音识别现在也要调监控啦🧐?
3:39
-
AgentScope1.0:终结智能体黑盒🗃️,打造生产级可控应用
4:03
-
🎙️ 开麦即真:CosyVoice 全面升级
1:41
-
不止入戏,更能入景🎬
1:20
-
说得更好、更准、更自然:Qwen3-TTS上线
2:35
-
原生全模态不降智
6:55
-
Qwen3-VL 看懂、理解并响应世界
2:03
-
多图编辑进化,万物皆可一键“同框”!
0:58
-
大就是好!Qwen3-Max 正式亮相
0:41
-
通义万相2.5:一句指令,玩转图像魔法
0:41
-
别让声音困住你的效率
0:44
-
通义万相2.5:一句话实现“Vibe PSing”!
0:47
-
通义万相2.5:让声音当你的视频“导演”!
0:48
-
通义万相2.5:让画面“声”动起来!
1:21
-
通义万相2.5:能听懂,也能准确执行!
0:54
-
Qwen3-Omni API上新:声形意合,令出智随
4:52
-
Fun-CosyVoice 3 重磅升级|更快、更准、更强表达力
1:15
-
Fun-ASR 全新升级|企业级抗干扰
1:21
-
「通义万相2.6」来啦!所有角色,听我指挥
0:39
-
Qwen-Image-Layered:下一代图像生成基础模型 🚀
0:51
-
进来复习!是谁8步推理1秒出图
0:55
-
【能干活的高情商语音搭子】
1:39
-
Qwen3-TTS上新,支持跨物种克隆音色!
3:19
-
Qwen-Image-2512 正式开源发布!
0:57
-
除夕!Qwen3.5来了!
1:16
-
Qwen-Audio-3.0-Realtime 发布:懂倾听,更聪明的实时语音方案
2:53
Description
我们推出了 HumanOmniV2 ,一个专为突破多模态推理瓶颈而设计的全新模型。彻底解决模型全局上下文理解不足、忽视关键线索的痛点。复杂关系、丰富表情、嘈杂对话……模型都能够通过视觉、听觉和语言信号推理出完整的场景信息。 📣创新优势: 1️⃣强制上下文总结与全模态推理:我们要求模型在推理之前,首先在一个<context>标签内输出其对上下文信息的概括。 2️⃣多维度奖励机制引导:为了确保模型准确理解多模态上下文信息,我们引入了上下文奖励 (Context Reward),并与格式奖励 (Format Reward) 和准确性奖励 (Accuracy Reward) 协同作用。 3️⃣复杂逻辑推理能力激励:为激励模型发展更复杂的推理能力,我们还利用LLM评估其推理过程是否成功融合了多模态信息,并应用了反思、演绎、归纳等高级逻辑分析技术。 4️⃣优化的GRPO训练策略:我们基于Qwen2.5-Omni-Thinker,对GRPO训练方法进行了关键改进,包括引入令牌级损失以克服长序列不平衡、移除问题级归一化项以消除优化偏差,并应用动态KL散度以提升探索能力和训练稳定性。 🙌 HumanOmniV2已经在以下平台开源,欢迎体验 ➡️ Github https://github.com/HumanMLLM/HumanOmniV2 ➡️ Arxiv https://arxiv.org/abs/2506.21277 ➡️ ModelScope https://modelscope.cn/models/iic/humanomniv2 ➡️ HuggingFace https://huggingface.co/PhilipC/HumanOmniV2 ➡️ IntentBench https://huggingface.co/datasets/PhilipC/IntentBench
Comments
我靠 源神,这下对视频理解又提升一个操作空间了
♥ 11 ↩ 1
你说博客和直播内容分析表情我能理解,电视剧表情。。。 怕不是很容易出错
♥ 11 ↩ 5
我靠,是不是可以定量分析演员演技了
♥ 4 ↩ 3
第一个[doge][doge][doge]
♥ 2
真的假的 能分析视频里面微表情 那真的牛逼
♥ 1
通通您知道为啥搞这种Cutting-Edge的研究大家都站在巨人的肩膀上会有人说自己的自研的嘛这是啥心态[笑哭]
♥ 1
AI课代表总结:该视频展示了ComaNYv2大模型在社交情境分析方面的突破性进展。通过解析微表情、潜台词及场景氛围,模型成功还原了历史剧中复杂的宫斗心理博弈,并准确识别人际互动中的隐私保护需求。演示案例涵盖紧张对峙与轻松对话两种场景,最终确认模型已实现开源共享。 ✨ 喵嗷~这AI简直是社交场合的雷达王!从宫闱秘闻到市井闲聊都能看得一清二楚,爪爪点赞! --内容由@AI全文总结 生成,仅供参考
♥ 1
视频理解和图片推理还行,但生成视频就差了
♥ 1
有没有sota,什么时候sota[doge]
♥ 1
第四个?
虽然不知道是啥,但是我下载了。[doge]
↩ 1
源神!!