Tarsier 7b
Tarsier-7b 是 Tarsier 系列的开源大规模视频语言模型,专注于生成高质量视频描述并具备优秀的通用视频理解能力。
视频生成文本
Transformers

T
omni-research
635
23
Tarsier 34b
Apache-2.0
Tarsier-34b 是一个开源的大规模视频语言模型,专注于生成高质量的视频描述,并在多个公开基准测试中取得领先成绩。
视频生成文本
Transformers

T
omni-research
103
17
Video Blip Flan T5 Xl Ego4d
MIT
VideoBLIP是BLIP-2的增强版本,能够处理视频数据,采用Flan T5-xl作为语言模型主干。
视频生成文本
Transformers

英语
V
kpyu
40
3
Video Blip Opt 2.7b Ego4d
MIT
VideoBLIP是BLIP-2的增强版本,能够处理视频数据,采用OPT-2.7b作为语言模型主干。
视频生成文本
Transformers

英语
V
kpyu
429
16
Git Large Vatex
MIT
GIT是一个基于CLIP图像标记和文本标记条件化的Transformer解码器,用于图像和视频描述生成、视觉问答等任务。
图像生成文本
Transformers

支持多种语言
G
microsoft
267
1
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文