AIbase
JA
モデル選定
タグ
動画テキスト理解

# 動画テキスト理解

Vica2 Init
Apache-2.0
ViCA2は動画理解と視覚空間認知タスクに特化したマルチモーダル視覚言語モデルです。
ビデオ生成テキスト Transformers 英語
V
nkkbr
30
0
Vica2 Stage2 Onevision Ft
Apache-2.0
ViCA2は70億パラメータ規模のマルチモーダル視覚言語モデルで、動画理解と視覚空間認知タスクに特化しています。
ビデオ生成テキスト Transformers 英語
V
nkkbr
63
0
Videochat R1 Thinking 7B
Apache-2.0
VideoChat-R1-thinking_7B は Qwen2.5-VL-7B-Instruct をベースにしたマルチモーダルモデルで、動画テキストからテキストへの変換タスクに特化しています。
ビデオ生成テキスト Transformers 英語
V
OpenGVLab
800
0
Videochat TPO
MIT
論文『タスク選好最適化：視覚タスクアライメントによるマルチモーダル大規模言語モデルの改善』に基づいて開発されたマルチモーダル大規模言語モデル
テキスト生成ビデオ Transformers
V
OpenGVLab
18
5
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