模型输出下载 MP4
vLLM-OMNI / DUO
实时音视频对话
使用摄像头实时对话,或上传视频,让模型观看并回应。
参考图与 System prompt
上传视频按整段 ASR / 强制对齐准备输入,回复连续 4 块回到等待后结束;整句回应不受固定秒数截断。实时通话继续逐块 ASR,其余生成配置相同。文件最大 1 GB;可下载原始输入视频、模型输出和双方对照视频。
下载用户原始视频(保持上传时的格式)
输入与生成对照下载对照 MP4
对照视频:左侧画面/左声道为输入,右侧画面/右声道为模型。可用播放器全屏查看。
输入你的画面与声音
等待输入画面
模型回应24 fps · 立体声
生成的画面将在这里播放
建议佩戴耳机。开始后可以自然说话,停顿片刻给模型留出回应时间。结束会话可重新开始。