#多模态交互

Wechat-AI-Assistant

利用 WeChatFerry 库和 OpenAI Assistant API，实现微信中的智能多模态交互，包括文本、语音、图片和视频处理。支持文档检索、互联网搜索和任务自动化。适用于 Windows 电脑，无需实名认证，兼容性高，风险低。可与 OpenAI API 及必应搜索等工具集成，未来将扩展到企业微信和微信公众号。

LLaVA

LLaVA项目通过视觉指令调优提升大型语言与视觉模型的性能，达到了GPT-4级别。最新更新包括增强版LLaVA-NeXT模型及其在视频任务上的迁移能力，以及高效的LMMs-Eval评估管道。这些更新提升了模型的多任务和像素处理能力，支持LLama-3和Qwen等不同规模的模型，并提供丰富的示例代码、模型库和数据集，方便用户快速上手和深度研究。

GPT4Tools

GPT4Tools是基于Vicuna (LLaMA)的创新系统,通过71K自建指令数据实现对多个视觉基础模型的智能控制。该系统能自动决策和利用不同视觉模型,实现对话中的图像交互。项目支持通过自我指导和LoRA微调教授大语言模型使用工具,为图像相关需求提供高效解决方案。GPT4Tools的开源性和灵活性使其成为AI研究与应用的重要工具。

UniGPT

UniGPT整合了ChatGPT、Gemini、Claude等多种先进AI模型和20多个插件，提供一站式智能对话服务。平台支持文本和图像生成，具备多语言界面、语音交互、自定义预设和对话分支等功能。用户可以导入导出对话，使用多种支付方式（包括Stripe安全支付、银行卡、Link、Google Pay和支付宝），轻松访问高效AI解决方案。UniGPT致力于提升用户工作效率，为AI应用提供便捷通道，未来还将扩展到音乐和视频生成领域。

GPT-4o News

GPT-4o News汇聚GPT-4o的最新动态，深入解析其在文本、语音和视觉交互领域的创新能力。网站详细介绍了GPT-4o的快速响应、多语言处理和先进的视听理解等核心特性，并提供实时翻译、AI对话等实际应用案例。此外，GPT-4o News还展示了业界对GPT-4o性能的评测，为用户提供全面、客观的AI技术资讯。

GPT 4o

GPT 4o是OpenAI推出的新一代AI模型，提供实时文本、视觉和音频交互功能。它具备GPT-4级别的智能，支持增强情感识别，处理速度更快。GPT 4o的多模态能力可无缝处理各类输入，创造自然高效的人机交互体验。该技术将在教育、工作和日常生活中广泛应用，推动AI普及。免费用户也可体验高级AI功能，体现了AI技术的普惠性。