Phi-4-Multimodal Phi-4-Multimodal是微软最新推出的多模态语言模型，拥有 56 亿个参数，能够整合语音、视觉和文本处理于一个统一的框架内。该模型在多项基准测试中表现卓越，在自动语音识别（ASR）和语音翻译（ST）任务中，以 6.14% 的单词错误率高居 Hugging Face OpenASR 排行榜榜... AI工具箱8个月前
