已验证65% 置信事实精确时间

Meta的SeamlessM4T是端到端语音翻译模型，尝试绕过中间文字表示直接从源语音生成目标语音

3

来源数

65%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

OpenAI GPT Live全双工语音AI：告别回合制，迈向真实对话

相关事实

已验证OpenAI的GPT-4o语音模式是端到端语音融合的代表性探索72% 相似已验证GPT-4o 的端到端语音架构将音频以离散 token 的形式纳入统一的 Transformer 处理框架，在单一模型内完成听-想-说全链路处理72% 相似已验证GPT-Live 采用端到端语音模型，直接处理音频波形输入并输出音频波形，中间不经过文字转换67% 相似已验证GPT-4o采用原生多模态架构，音频输入和输出不经过文本中间层65% 相似待验证多模态大语言模型能同时处理文本、图像乃至音频输入，代表例子包括GPT-4o、Gemini 1.5、LLaVA、Qwen-VL64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/516096

API

curl https://kongchang.com/api/v1/knowledge/claims/516096

MCP

get_claim(id=516096)