面壁智能近日正式開源了其新一代全模態旗艦模型——MiniCPM-o 4.5，這一模型憑借“邊看、邊聽、主動說”的全模態交互能力，在人工智能領域引發廣泛關注。作為原生全雙工架構的大模型，MiniCPM-o 4.5突破了傳統“對講機”式回合制交互的局限，實現了感知不中斷、對話更自然、提醒無需主動詢問的“即時自由對話”體驗。
基于統一系統軟件棧FlagOS的跨平臺能力，MiniCPM-o 4.5在適配性上表現突出。目前，該模型已在天數智芯、華為昇騰、平頭哥、海光、沐曦等6款國產芯片上完成端到端推理優化，顯著提升了性能表現。與此同時，模型延續了面壁智能“小鋼炮”系列的高密度特點，僅以9B參數規模便在全模態、視覺理解、文檔解析、語音交互及聲音克隆等多個領域達到行業領先水平。
在語音交互方面，MiniCPM-o 4.5通過創新的模型設計與數據訓練方法，實現了音色自然度、擬人化程度和情感表現力的全面升級。模型能夠根據對話場景自動匹配語氣與音色，有效解決了長語音合成中音色不統一、語氣生硬、效果波動等問題。在聲音克隆功能上，用戶僅需提供數秒的原始音頻樣本，即可生成定制化音色，并支持基于克隆音色進行角色化語音對話。
效率與成本優化是該模型的另一大亮點。通過優化顯存占用和加速推理速度，MiniCPM-o 4.5在保持SOTA級全模態性能的同時，大幅降低了推理開銷。其端到端架構整合了全雙工多模態實時流機制、主動交互引擎和可配置語音建模模塊，為復雜場景下的智能交互提供了技術支撐。
目前，MiniCPM-o 4.5的代碼與模型權重已在GitHub、Hugging Face等開源平臺公開，開發者可自由獲取并參與社區共建。這一舉措不僅推動了全模態技術的普及，也為多模態AI應用的落地提供了新的解決方案。
