# 多模態輸入支持

DAM-3B是一個30億參數的視覺語言模型，能夠根據用戶指定的圖像區域生成精細化局部描述。

SkyReels V2是一個無限長度電影生成模型，採用自迴歸擴散強制架構，支持文生視頻和圖生視頻任務，能夠生成高質量的長視頻內容。

由NABLAS開發的日語視覺語言模型（VLM），支持圖像、多圖像及視頻輸入，適用於多種多模態任務。

首個基於DiT架構的即時高質量視頻生成模型，支持文本到視頻和圖像到視頻生成

騰訊混元社區版的文本生成視頻模型，支持通過文本提示生成高質量視頻內容。