Show HN· ersatz_username·· 19 天前AI 评分45
SPEV：原生支持音频和视频输入的多模态决策模型
Show HN: SPEV: Open Weight, Omnimodal Decision Model Trained for Turn Detection
AI 导读
OpenAI的Decisions和Cloudflare的Clef等多模态模型支持文本或图像输入，而SPEV原生支持音频和视频输入，直接从音频推理，无需语音转文字转换，音频决策速度比OpenAI快3.5倍，仅需166毫秒。
来源：Show HN · huggingface.co