OpenBMB 团队近日推出了 MiniCPM-o2.6，这是该系列中最新、功能最强大的多模态大型语言模型（MLLM）。MiniCPM-o2.6的最大亮点在于它的8亿参数，使其在视觉、语音以及多模态直播领域的性能接近于 GPT-4o-202405，成为开源社区中多功能且高效的选择。
MiniCPM-o2.6具备强大的输入处理能力，能够接受图像、视频、文本和音频等多种输入方式，并提供高质量的文本和语音输出。
这款模型的语音模式更是新增了双语实时对话功能，用户可根据需求配置不同的语音，支持情感、速度和风格的控制，甚至能够进行角色扮演和语音克隆等有趣的应用。这一系列创新使得 MiniCPM-o2.6在互动体验上更为丰富，用户可享受到更为自然和流畅的交流方式。
除了在语音对话方面的突破，MiniCPM-o2.6还在视觉处理能力上取得了显著进展。它的强大 OCR（光学字符识别）功能和多语言支持，使得在实时视频理解时更加高效。这种卓越的能力还首次在移动设备上实现了多模态直播，用户可以在 iPad 等设备上进行直播，带来更具互动性和趣味性的内容分享。
自2024年2月以来，MiniCPM 系列已经发布了六个版本，团队旨在持续提升模型的性能与部署效率。该模型不仅在技术上有所创新，也代表了在多模态交互体验方面的重大进展。无论是专业领域的应用，还是日常生活中的娱乐互动，MiniCPM-o2.6都将成为用户不可或缺的智能助手。
项目地址：https://github.com/OpenBMB/MiniCPM-o
