Ming-flash-omni 2.0 — мультимодальная MoE-модель для диалога, анализа изображений и видео, работы с речью и генерации аудио и изображений.

Подходит для: ответы на вопросы по изображению и распознавание объектов и достопримечательностей · диалог по потоковому видео · распознавание речи и диалектов