商汤科技发布“日日新5o”大模型，实现实时流式多模态交互

<article><section data-type=“rtext”><p>【环球网科技综合报道】7月6日上午，在2024世界人工智能大会期间，商汤科技正式发布了其最新的“日日新5o”大模型。这一模型在交互体验上对标GPT-4o，通过整合跨模态信息，实现了基于声音、文本、图像和视频等多种形式的全新AI交互模式，即实时的流式多模态交互。</p><p><img data-alt="" src="//img.huanqiucdn.cn/dp/api/files/imageDir/ec20369ebe66025f522f36be75983b8a.jpg?imageView2/2/w/750" /></p><p>“日日新5o”大模型展现了强大的多模态识别和理解能力。例如，当工作人员仅是与它打个招呼时，它就能自动识别出工作人员脖子佩戴的胸卡带子上的字眼，并判断出现场就是世界人工智能大会会场。同时，它还能在这个场景下表示“可以好好学习”，显示出对环境的理解和适应性。对于可爱的小狗玩偶，“日日新5o”也能准确描述其外貌、表情以及重要穿戴，进一步证明了其在多模态交互方面的实力。</p><p>此外，“日日新5o”大模型在实时交互方面也表现出色。随便翻开一本书的任何一页，它都能自动进行介绍，而不仅仅是简单的OCR识别文字。它能够识别图文并给出易于理解的总结，真正实现了实时交互的目标。</p></section></article>