实体导读
阿里团队于 2025 年 1 月发布的无缝语音交互多模态大模型。
- 基本信息
- 贡献
- 相关页面
MinMo
阿里团队于 2025 年 1 月发布的无缝语音交互多模态大模型。
基本信息
| 属性 | 值 |
|---|---|
| arXiv | 2501.06282 |
| 团队 | 阿里巴巴 |
| 发布 | 2025-01-10 |
| 全双工延迟（理论） | ~600ms |
| 全双工延迟（实际） | ~800ms |
| Speech-to-Text 延迟 | ~100ms |
贡献
- 面向无缝语音交互的多模态 LLM
- 将语音交互模型分为 native 和 aligned 两大类
- 实时、自然、类人对话能力