Anon
A
Anon
aiden200によって開発
lmms-lab/llava-onevision-qwen2-7b-ovモデルを基にファインチューニングしたバージョンで、動画テキストからテキストへの変換タスクをサポートします。
ダウンロード数 361
リリース時間 : 4/1/2025
モデル概要
これはQwen2-7Bアーキテクチャに基づくマルチモーダルモデルで、動画とテキストのインタラクション処理に特化しています。
モデル特徴
マルチモーダル処理能力
動画とテキスト入力を同時に処理し、クロスモーダル理解を実現
効率的なファインチューニング
PEFT技術を使用したパラメータ効率的なファインチューニングにより、ベースモデルの能力を保持しながら特定タスクに適応
分散トレーニング
マルチGPU分散トレーニングをサポートし、トレーニング効率を向上
モデル能力
動画内容理解
クロスモーダルテキスト生成
動画テキスト変換
使用事例
動画内容分析
動画要約生成
動画内容に基づいて自動的にテキスト要約を生成
教育支援
教育動画QA
教育動画の内容に基づいて学生の質問に回答
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