Mini-LLaVA – 基于Llama 3.1的轻量级多模态大语言模型
Mini-LLaVA是一款轻量级的多模态大语言模型，由清华大...
video-analyzer 是开源的视频分析工具，结合Llama的11B视觉模型和OpenAI的Whisper模型来提取视频关键帧、转录音频内容，并生成视频的详细描述。工具支持完全本地运行，无需云服务或API密钥，或用OpenRouter的LLM服务提高处理速度和扩展性。video-analyzer 支持用户对视频内容进行深入分析，能应用于多种场景，包括监控、广告分析，以及内容分类等。
数据统计
相关导航
X-Prompt – 用于多模态视频目标分割的通用框架
X-Prompt是用于多模态视频目标分割的通用框架，解决传统...
VideoAgent – 斯坦福联合多所研究机构推出自改进的视频生成系统
VideoAgent是一种自改进的视频生成系统，由斯坦福大学...
Uni-AdaFocus – 清华大学推出通用的高效视频理解框架
Uni-AdaFocus是清华大学自动化系的研究团队推出的通...
StreamBridge – 苹果联合复旦推出的端侧视频大语言模型框架
StreamBridge 是苹果公司与复旦大学联合推出的端侧...
VMB – 中科院联合多所高校机构推出增强多模态音乐生成的框架
VMB（Visuals Music Bridge）是中国科学...
VideoJAM – Meta 推出增强视频生成模型运动连贯性的框架
VideoJAM是Meta推出的，用在增强 视频生成 模型运...
HiFiVFS – 腾讯联合VIVO推出的高保真视频换脸框架
HiFiVFS（High Fidelity Video Fa...