使用 Sentence Transformers 训练与微调多模态嵌入及重排序模型
Sentence Transformers 发布了用于训练和微调多模态嵌入与重排序模型的功能。新版本支持将文本、图像等不同模态的数据映射到统一的向量空间，并优化了跨模态检索的精度。关键改进包括对嵌入模型和重排序器进行联合或分阶段训练，显著提升了如图文检索等任务的性能指标。此次更新旨在通过开源工具推动多模态人工智能技术的普及与发展。
多模态 大事记
重要进展 IMPORTANT_PROGRESS
2026-08-05 — 2026-08-05
重要进展 · 第 6 / 22 页
字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互
AIHOT事件 ↗原始外链未提供
多模态 精选历史资讯
— · 3 条
精选资讯 · 第 1 / 1 页
Gemini 3.1 Flash TTS：下一代表现力AI语音技术
Google正式发布Gemini 3.1 Flash TTS，作为下一代表现力AI语音技术，该模型现已全面上线Google旗下各产品线。此次升级标志着Google在语音合成领域的技术突破，旨在为用户提供更自然、富有情感表现力的AI语音交互体验，进一步强化其AI生态系统的语音能力。
字节 Seed 发布 Seedance 2.0 音视频联合生成模型
字节 Seed 发布原生多模态音视频生成模型 Seedance 2.0，2026 年 2 月初在中国正式上线，采用统一架构支持文本、图像、音频、视频四种输入模态。
分类
排序
暂无内容