论文地址:https://arxiv.org/pdf/2401.00908.pdf
此外，小冰在日本的分支公司在海外获得多个榜首，并将公布 2024 年海外计划。小冰团队表示他们始终致力于创造能与人建立长期情感纽带的人工智能伙伴。
其中，一体化大压铸技术几乎实现了从材料到设备的全产业链自主可控，使小米成为全球仅有的两家同时掌握大压铸集群和合金自研的公司。这充分展现出小米在底层技术领域“深耕”的巨大决心。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
另外，DreamTalk还具有说话风格预测的功能，能够根据语音预测说话者的风格，并同步表情，使得动画更加贴近原始音频。此外，该框架适用于多种场景，可以用于歌曲、不同类型的肖像，甚至在嘈杂环境中也能表现良好。