性能表现MiniCPM-o 2.6 在视觉、语音和多模态直播领域表现出色性能媲美GPT-4o。功能特点支持实时双语语音识别、情感/语速/风格控制、端到端声音克隆等功能。高效推理仅需640个token即可处理180万像素图像推理速度显著提升。正文附运行示例MiniCPM-o 2.6 是什么MiniCPM-o 2.6 是 MiniCPM-o 系列的最新版本具有 8B 参数量。该模型在视觉、语音和多模态直播等多个领域表现出色性能与 GPT-4o 相当。MiniCPM-o 2.6 支持实时双语语音识别超越了 GPT-4o 的实时识别表现并支持 30 多种语言。MiniCPM-o 2.6 基于先进的 token 密度技术处理 180 万像素图像仅产生 640 个 tokens显著提高了推理速度和效率。该模型还支持在 iPad 等端侧设备上高效运行多模态直播。MiniCPM-o 2.6 的主要功能领先的视觉能力支持处理任意长宽比的图像像素数可达 180 万如 1344×1344。出色的语音能力支持可配置声音的中英双语实时对话支持情感/语速/风格控制、端到端声音克隆、角色扮演等进阶能力。强大的多模态流式交互能力接受连续的视频和音频流并与用户进行实时语音交互。高效的推理能力仅需 640 个 token 即可处理 180 万像素图像比大多数模型少 75%。支持在 iPad 等终端设备上高效进行多模态实时流式交互。易于使用支持多种推理方式包括 llama.cpp、ollama、vLLM 等。提供 int4 和 GGUF 格式的量化模型降低内存使用和加速推理。MiniCPM-o 2.6 的技术原理端到端全模态架构不同模态的编码器/解码器用端到端的方式连接和训练充分基于丰富的多模态知识。全模态直播机制将离线模态编码器/解码器改为在线版本支持流式输入/输出设计时间分割复用TDM机制用在LLM主干中的全模态流处理。可配置的语音建模设计设计多模态系统提示包括传统的文本系统提示和新的音频系统提示确定助手的音色实现灵活的音色配置。如何运行 MiniCPM-o 2.61. 安装依赖首先克隆仓库并安装依赖git clone https://github.com/OpenBMB/MiniCPM-o.git cd MiniCPM-o conda create -n MiniCPM-o python3.10 -y conda activate MiniCPM-o pip install -r requirements.txt2. 运行多轮对话示例以下是一个简单的多轮对话示例import torch from PIL import Image from transformers import AutoModel, AutoTokenizer model AutoModel.from_pretrained(openbmb/MiniCPM-o-2_6, trust_remote_codeTrue, attn_implementationsdpa, torch_dtypetorch.bfloat16) model model.eval().cuda() tokenizer AutoTokenizer.from_pretrained(openbmb/MiniCPM-o-2_6, trust_remote_codeTrue) image Image.open(./assets/show_demo.jpg).convert(RGB) question What is the landform in the picture? msgs [{role: user, content: [image, question]}] answer model.chat(msgsmsgs, tokenizertokenizer) print(answer)3. 运行语音对话示例以下是一个语音对话示例import librosa from transformers import AutoModel, AutoTokenizer model AutoModel.from_pretrained(openbmb/MiniCPM-o-2_6, trust_remote_codeTrue, attn_implementationsdpa, torch_dtypetorch.bfloat16) model model.eval().cuda() tokenizer AutoTokenizer.from_pretrained(openbmb/MiniCPM-o-2_6, trust_remote_codeTrue) model.init_tts() model.tts.float() audio_input, _ librosa.load(xxx.wav, sr16000, monoTrue) msgs [{role: user, content: [audio_input]}] res model.chat( msgsmsgs, tokenizertokenizer, samplingTrue, max_new_tokens128, use_tts_templateTrue, generate_audioTrue, output_audio_pathoutput.wav, ) print(res)最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】