该模型支持文本、图像、音频和视频的全模态理解，并具备文本和音频的双模态生成能力。在视觉、语音及多模态流式处理方面，Baichuan-Omni-1.5的表现优于GPT-4o-mini，尤其在多模态医疗应用领域表…