音频多模态模型

LongCat-Next多模态模型 - 美团龙猫团队推出支持100万Token超长文本处理

LongCat-Next是美团龙猫团队（Meituan LongCat）推出的新一代多模态模型，模型通过智能评估模块重要性，将50%低重要模块替换为流式稀疏注意力，构建全局与局部交错的ZigZag结构，实现1M超长上下文、解码速度提升10倍、算力节省30%、硬件利用率翻倍，并提供Flash-Exp与Flash-Lite双版本，长文本任务表现超越Qwen-3。

美团LongCat音频多模态模型

[推荐] 豆包网页版：支持AI聊天，AI图片生成，AI漫画生成，AI写作等

字节跳动开发的一款多功能人工智能工具，基于云雀模型（豆包大模型）构建。它不仅是一个AI聊天机器人，还具备多种功能，包括写作助手、英语学习助手、音乐生成、编程助理等。

AI写作平台AI图片生成AI漫画生成工具AI聊天助手

Ming-omni-tts音频生成模型官网使用入口，优于SeedTTS、GLM-TTS

Ming-omni-tts模型通过统一连续音频Tokenizer与Diffusion Transformer架构，以12.5Hz帧率处理多模态音频，并借助「Patch-by-Patch」压缩策略将LLM推理帧率降至3.1Hz，在保证高音质的同时大幅降低延迟。

蚂蚁集团音频多模态模型音频生成模型AI

Ming-UniAudio：蚂蚁集团推出的开源音频多模态大模型

Ming-UniAudio构建了端到端语音语言模型，精准平衡语音生成与语义理解性能；搭配扩散头技术，保障语音合成的高自然度与高还原度。尤为突出的是，模型首创指令引导的自由形式语音编辑框架，支持复杂的语义与声学修改，无需手动标定编辑区域，大幅降低操作门槛。

蚂蚁集团音频多模态模型