AIbase

视频文本生成
Smolvlm2 2.2B Instruct I1 GGUF
Apache-2.0
SmolVLM2-2.2B-Instruct 是一个2.2B参数规模的视觉语言模型，专注于视频文本到文本任务，支持英语。
文本到文本
英语
S
mradermacher
285
0
Tinyllava Video Coldstart NextQA 16
Apache-2.0
TinyLLaVA-Video-R1 是一个视频文本到文本模型，通过使用来自NextQA数据集的16个手动标注样本对TinyLLaVA-Video进行冷启动训练获得。
视频生成文本
Transformers
T
Zhang199
63
0
Smolvlm2 2.2B Instruct 4bit
Apache-2.0
SmolVLM2-2.2B-Instruct-4bit 是一个基于 MLX 格式转换的视觉语言模型，专注于视频文本到文本的任务。
图像生成文本
Transformers
英语
S
smdesai
24
1
Smolvlm2 500M Video Instruct Mlx 8bit Skip Vision
Apache-2.0
基于SmolVLM2-500M-Video-Instruct转换的MLX格式模型，支持视频文本转文本任务
图像生成文本
Transformers
英语
S
mlx-community
51
2
Cogvlm2 Llama3 Caption
其他
CogVLM2-Caption是一个视频描述生成模型，用于为CogVideoX模型生成训练数据。
视频生成文本
Transformers
英语
C
THUDM
7,493
95