# 視頻內容分析

Video-R1-7B是基於Qwen2.5-VL-7B-Instruct優化的多模態大語言模型，專注於視頻推理任務，能夠理解視頻內容並回答相關問題。

基於cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual微調的YouTube評論情感分析模型，準確率80.17%

Ola-7B是由騰訊、清華大學和南洋理工大學聯合開發的多模態語言模型，基於Qwen2.5架構，支持文本、圖像、視頻和音頻輸入，輸出文本內容。

SmolVLM2-256M-Video是一款輕量級多模態模型，專為分析視頻內容而設計，能夠處理視頻、圖像和文本輸入並生成文本輸出。

Eagle2是一個高性能的視覺語言模型系列，專注於通過數據策略和訓練方法的優化來提升模型性能。Eagle2-9B是該系列中的大型模型，在性能和推理速度之間取得了良好平衡。

基於長且豐富的上下文（LRC）建模增強的視頻多模態大語言模型，通過提升感知細粒度細節和捕捉長時態結構的能力改進現有MLLM

基於MCG-NJU/videomae-large模型在深度偽造檢測挑戰賽數據集上微調的版本，用於視頻深度偽造檢測。

mPLUG-Owl3 是一款先進的多模態大語言模型，專注於解決長圖像序列理解的挑戰，通過超注意力機制顯著提升處理速度和序列長度。

InternLM-XComposer2.5是一款卓越的圖文理解與創作模型，僅用7B參數即達到GPT-4V水平，支持24K交錯圖文上下文並可擴展至96K長上下文。