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
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
© 2025AIbase