# マルチモーダルダイアログ

InternVL2_5-4B-AWQ は autoawq を使用して InternVL2_5-4B を AWQ 量子化したバージョンで、多言語およびマルチモーダルタスクをサポートします。

MMDuetは、ビデオ再生中のリアルタイムインタラクションをサポートするVideoLLMモデルで、時間感度の高いビデオ理解タスクに特化しています。

mPLUG-Owl3 は先進的なマルチモーダル大規模言語モデルで、長い画像シーケンス理解の課題に焦点を当て、超注意力メカニズムにより処理速度とシーケンス長を大幅に向上させます。

mPLUG-Owl3 は先進的なマルチモーダル大規模言語モデルで、長い画像シーケンス理解の課題に焦点を当て、超注意力メカニズムにより処理速度とシーケンス長を大幅に向上させます。

このモデルはxtuner/llava-llama-3-8b-v1_1を変換したGGUF形式バージョンで、llama.cppフレームワークに適しており、画像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。

LLaVA-Next-Videoはオープンソースのマルチモーダルダイアログモデルで、大規模言語モデルをマルチモーダル指示追従データで微調整しており、ビデオとテキストのマルチモーダルインタラクションをサポートします。

LLaVA-v1.6-Mistral-7Bモデルを微調整したマルチモーダルモデルで、画像とテキストの統合理解と生成をサポート

TinyLlama-1.1Bベースの軽量ビジュアルQAモデル、BakLlavaコードベースでトレーニング済み

LLaVAは視覚と言語を統合したマルチモーダルモデルで、LLaMAアーキテクチャに基づき、画像理解と対話生成をサポートします。