AIbase
JA
ホーム
Tarsier 7b
T

Tarsier 7b

omni-researchによって開発
Tarsier-7b は Tarsier シリーズのオープンソース大規模動画言語モデルで、高品質な動画説明の生成と優れた汎用動画理解能力に特化しています。
ビデオ生成テキスト
Transformers
#動画説明生成#マルチモーダル理解#オープンソース大規模モデル
ダウンロード数 635
リリース時間 : 7/4/2024

モデル概要

Tarsier-7b はオープンソースの大規模動画言語モデルで、高品質な動画説明の生成を目的としており、同時に優れた汎用動画理解能力を備えています。Tarsier シリーズの一員であり、liuhaotian/llava-v1.6-vicuna-7b モデルを基に構築されています。

モデル特徴

高品質な動画説明生成
高品質な動画説明を生成でき、様々な動画コンテンツに適用可能です。
汎用動画理解能力
優れた汎用動画理解能力を備えており、複数のベンチマークテストで優れた性能を発揮します。
2段階トレーニング戦略
マルチタスク事前学習とマルチグレイン命令微調整の2段階トレーニング戦略を採用し、モデル性能を向上させています。

モデル能力

動画説明生成
動画質問応答
マルチグレイン動画理解
オープンエンド動画質問応答
動画字幕生成

使用事例

動画コンテンツ分析
動画説明生成
動画に対して詳細なテキスト説明を生成し、動画コンテンツの索引付けや検索に適用可能です。
高品質な動画説明
動画質問応答
動画コンテンツに関する複雑な質問に回答し、教育、エンターテインメントなどの分野に適用可能です。
正確な動画質問応答結果
動画字幕生成
自動字幕生成
動画に自動的に字幕を生成し、動画のアクセシビリティを向上させます。
高品質な字幕コンテンツ
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase