最近，腾讯优图实验室等机构的研究者们推出了首个开源的多模态大语言模型VITA，它能够同时处理视频、图像、文本和音频，而且，它的交互体验也是一流的。 VITA模型的诞生，是为了填补大型语言模型在处理中文…