创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

腾讯发布 WeMM-Video-2B 多模态模型

AI 总结

腾讯以 Apache-2.0 许可证发布了双语 WeMM-Video 系列的稠密 2B 检查点 WeMM-Video-2B。Hugging Face 模型卡称,该模型支持文本、图像、音频和视频输入并生成文本响应,提供 BF16 权重以及 FP8、AWQ、GGUF 和 NVFP4 变体。

深度见解

这一 Apache-2.0 发布让开发者可下载支持音视频联合推理的小型多模态模型,并通过 Transformers、vLLM 或 SGLang 部署。

tencent/WeMM-Video-2B Video-Text-to-Text • 3B • Updated about 4 hours ago • 11 • 9


license: apache-2.0 language:

  • en
  • zh pipeline_tag: video-text-to-text library_name: transformers tags:
  • wemm
  • multimodal
  • video
  • audio

WeMM-Video-2B

Overview

WeMM-Video-2B is the dense 2B checkpoint in the WeMM-Video family. WeMM-Video is a Chinese–English bilingual family for joint audio-visual understanding and reasoning. It accepts text, images, audio, and video and generates text responses.

#Tencent#WeMM-Video-2B#WeMM-Video#Transformers#vLLM#SGLang

原文约 4 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。