Llava NeXT Video 7B DPO
LLaVA-Next-Video 是一個開源的多模態對話模型,通過對大語言模型進行多模態指令跟隨數據的微調訓練而成,支持視頻和文本的多模態交互。
下載量 8,049
發布時間 : 4/16/2024
模型概述
LLaVA-Next-Video 是一個基於 Vicuna-7B 的多模態對話模型,專注於視頻和文本的多模態交互,適用於研究和開發多模態對話系統。
模型特點
多模態交互
支持視頻和文本的多模態輸入,能夠生成與視頻內容相關的文本響應。
指令跟隨
通過多模態指令跟隨數據的微調訓練,能夠理解和執行復雜的多模態指令。
開源模型
完全開源,便於研究人員和開發者進行二次開發和定製。
模型能力
視頻內容理解
多模態對話生成
指令跟隨
視頻問答
使用案例
研究
多模態對話系統研究
用於研究和開發多模態對話系統,探索視頻和文本的交互方式。
教育
視頻內容問答
用於教育場景中,根據視頻內容生成問答和解釋。
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98