MiniMax 开源视觉分词器扩展技术 VTP-低调大师

MiniMax 开源视觉分词器扩展技术 VTP

2025-12-23 1

MiniMax 联合华中科技大学首次开源了其视觉生成的关键技术 VTP (视觉分词器预训练) ，在不修改标准DiT的情况下，通过扩展视觉分词器（Visual Tokenizers），实现了 65.8% 的生成性能提升。

与很多tokenizer工作不同的是，VTP在设定上不对下游的主模型（DiT）训练过程做任何修改，仅通过前置优化tokenizer来实现端到端生成性能的倍数提升。

VTP预训练范式：

一句话来说——VTP把latents易学性和通用表征学习建立起明确关联，从而第一次将tokenizer作为scaling的主角，展现出全面的scaling曲线和扩展方向。VTP提供了一个全新的视角，指导我们除了在主模型上投入更多参数/算力/数据之外，还可以通过tokenizer的scaling来提升整个生成系统的性能。

代码：https://github.com/MiniMax-AI/VTP
论文：https://arxiv.org/abs/2512.13687v1

微信关注我们

原文链接：https://www.oschina.net/news/391626

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

阿里开源端到端语音交互模型 Fun-Audio-Chat

通义大模型微信公众号发文宣布，推出新一代端到端语音交互模型 Fun-Audio-Chat。“不是简单的“能聊天”，而是听得懂你的话、感知你的情绪、还能帮你真正干活的AI语音搭子。” 目前开源了 Fun-Audio-Chat 8B，包括模型权重、推理代码、Function Call 接入示例。技术表现：端到端 S2S 架构：从语音输入直接生成语音输出，无需 ASR + LLM + TTS 多模块拼接，效率更高、延迟更低。双分辨率设计：Shared LLM 层以 5Hz 帧率高效处理，SRH 以 25Hz 帧率生成高质量语音，GPU 计算开销降低近 50%。百万小时多任务数据训练：覆盖音频理解、语音问答、情感识别、工具调用等真实场景，让模型更“接地气”。高情商：像朋友一样的对话体验你生气时，它会安慰你；你焦虑时，它会陪你深呼吸；你开心时，它会跟着你一起嗨。哪怕你没直接说情绪，它也能从你的语气、语速、停顿里，猜出你的心情，然后给出恰到好处的回应。易落地：它不仅能聊，还能“干实事” Speech Function Call：你只需用自然语音下达指令，它就能自动调用函数，完成...

2025-12-23

1

英伟达在其 CEO 黄仁勋的领导下，逐步调整了云业务的战略方向，日前宣布对云业务团队进行重组。根据内部备忘录和知情人士的消息，这一变动意味着英伟达将不再积极与大型云服务商如亚马逊 AWS 展开竞争，而是将重心放在内部 AI 开发上。新任命的高管 Alexis Black Bjorlin 于2023年从 Meta 加入英伟达，将在新的职位上推动云团队的整合。原本由数百人组成的云业务团队将并入英伟达的工程与运营组织，该组织由高级副总裁 Dwight Diercks 领导，并直接向黄仁勋汇报。重组后，云团队的 DGX Cloud 将主要服务于英伟达的工程师，专注于芯片的需求以及开源 AI 模型的开发，而非向外部企业客户提供云服务。此外，英伟达较新的云服务 DGX Cloud Lepton 也将并入工程团队。该服务的目标是让云服务提供商在英伟达的市场上列出未使用的服务器容量，尽管启动速度较慢。黄仁勋在2023年3月的开发者大会上首次推出 DGX Cloud，旨在开拓新的收入来源，与租用英伟达芯片的 AI 开发者建立直接联系。然而，英伟达在这一新兴云业务中面临挑战。多位前 DGX 团队...

2025-12-23

0

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。