GPT-4o 级别!VITA-1.5:实时视觉与语音交互，1.5秒互动延迟

　　VITA-MLLM团队最近推出了VITA-1.5，这是对VITA-1.0的重大升级，旨在提升多模态交互的实时性和准确性。

　　新版本支持英语和中文，互动延迟显著降低至1.5秒，用户体验大幅提升。VITA-1.5在多个基准测试中的性能也有显著提高，语音处理能力经过深度优化，ASR错误率降至7.5。

　　互动延迟大幅降低至1.5秒，提升用户体验。

　　多模态性能显著提高，基准测试平均性能从59.8提升至70.8。

　　语音处理能力增强，ASR错误率降低至7.5，语音识别更准确。