智匠MindCraft 1.2.11版本发布：全面提升多模态能力，新增视频识别功能
用户现可直接上传视频至智匠MindCraft平台，选择GLM4-V-PLUS或Qwen-VL-Max进行视频识别。支持最大8K和32K tokens上下文长度的视频处理，但建议上传较短视频，以优化识别效果。本次更新中，智匠MindCraft推出全新的视频识别功能，进一步强化了其多模态能力，支持视频/图片合成及多模态智能体的API接口调用。升级通用语音模型识别接口，增加阿里SenseVoice支持，
·
本次更新中，智匠MindCraft推出全新的视频识别功能，进一步强化了其多模态能力，支持视频/图片合成及多模态智能体的API接口调用。以下是新功能亮点：
-
视频上传识别功能：
用户现可直接上传视频至智匠MindCraft平台，选择GLM4-V-PLUS或Qwen-VL-Max进行视频识别。支持最大8K和32K tokens上下文长度的视频处理，但建议上传较短视频，以优化识别效果。
-
视频生成优化：
新增MiniMax模型，优化视频合成效果。新增“帮我想”功能，用户可选择由AI自动生成提示词或输入初步思路，由AI进一步完善。
-
文生图应用功能：
平台新增文生图功能，支持三种领先的模型：flux.1, DALL-E 3, 和Cogview-3-Plus。用户可以使用“帮我想”功能，生成高质量图像提示词。
-
开发者平台新智能体接口：
引入多模态智能体接口chat_bot_v1，支持语音输入及文字+语音输出，具备情绪识别能力。
-
语音识别模型升级：
升级通用语音模型识别接口，增加阿里SenseVoice支持，实现多国语言、情绪识别及音频状态（如说话、笑声、掌声等）的准确识别。
分享最新的 NVIDIA AI Software 资源以及活动/会议信息，精选收录AI相关技术内容，欢迎大家加入社区并参与讨论。
更多推荐
8
0- 0
已为社区贡献1条内容
所有评论(0)