LPM1.0模型发布，能通过单张参考图实时生成人物说话、聆听及唱歌视频。其核心突破在于多模态处理，可同步整合文本、音频与图像，生成唇形精准同步、表情细腻且情绪过渡自然的动态画面。该模型支持接入ChatGPT等主流语音AI，将传统语音对话升级为具备视觉反馈的实时交互。
谷歌在全球推出“Search Live”功能，用户可通过手机摄像头和语音与AI实时交互，实现多模态搜索。该功能由Gemini 3.1 Flash Live模型驱动，提升了对话的自然度和响应速度。
马斯克旗下xAI公司正式推出Grok文本转语音Speech API，使AI助手具备语音交互能力。此举不仅拓展了Grok的多模态功能，更为开发者提供了便捷接口，可将其对话能力集成至各类应用，推动AI生态向更拟人化方向发展。
Rokid正与顶尖大模型公司合作开发新一代AI智能眼镜，以生成式AI和AI智能体为核心，打造革命性操作系统和界面。该眼镜采用端侧多模态模型，支持语音、视觉和触控等多种交互方式，旨在提供全新用户体验。
MinMo是一款多模态大型语言模型，用于无缝语音交互。
VITA-1.5: 实时视觉和语音交互的GPT-4o级多模态大语言模型
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
-
Anthropic
$105
$525
200
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
$6
$24
Baidu
128
$8
$240
52
nvidia
OmniVinci是NVIDIA开发的全模态理解大语言模型，具备视觉、文本、音频处理和语音交互能力，支持多模态推理和理解。
fixie-ai
Ultravox是一个多模态语音大语言模型，能够同时处理语音和文本输入，为语音交互场景提供强大支持。
AquaLabs
EchoLLaMA是一个多模态AI系统，能够将3D视觉数据转化为自然语音描述，同时支持通过语音输入进行交互对话。
VITA-MLLM
VITA-1.5是一个多模态交互模型，旨在实现GPT-4o级别的实时视觉与语音交互能力。
NexaAIDev
Qwen2-Audio是先进的小规模多模态模型，支持音频与文本输入，无需依赖语音识别模块即可实现语音交互。
NexaAI
Qwen2-Audio 是一款先进的小规模多模态模型，支持音频和文本输入，无需ASR模块即可进行语音交互。
gpt-omni
Mini-Omni2是一款全交互式多模态模型，能理解图像、音频和文本输入，并与用户进行端到端的语音对话。
somosnlp
支持西班牙语的多模态数据库交互工具，通过语音/文本指令生成SQL查询，并以最适合的模态（语音/文本/图像）返回结果
fnlp
SpeechGPT是一个具备内在跨模态对话能力的大型语言模型，能够感知和生成多模态内容，支持语音与文本的交互。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
