字节推出了一种新的大模型,名为 BuboGPT,BuboGPT 是一种先进的大型语言模型(LLM),能够将文本、图像和音频等多模态输入进行整合,并具有将回复与视觉对象进行对接的独特能力。它展示了在对齐或未对齐的任意图像音频数据理解方面的出色对话能力。通过文字描述、图像定位和声音定位,BuboGPT