🎵 M2UGen融合音乐理解和多模态任务，支持文字、图像、视频生成音乐。
🎙️ 支持语音自动生成字幕，用户可灵活编辑确保最佳翻译效果。
@AI学者 吴恩达
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。
同时，有网友反映取消订单后，包装费并不退还。对此，工作人员回应称，他们会根据每个订单的实际情况进行相应的处理。