Aitishiku.com
北大多模态开源视频理解 多模态模型
Video-LLaVA Video-LLaVA
Video系列 · Peking University · 2023-11发布
模型介绍
面向视频理解的开源多模态模型，可对视频进行问答与摘要，统一了图像与视频指令。
模型基础信息
模型系列Video系列
开发机构Peking University
发布时间2023-11
参数规模7B
上下文窗口未公开
模型类型多模态（视频 + 文本）
中文能力良好
使用方式网页体验 / 本地部署
免费额度与收费政策
按量付费 订阅
模型能力介绍
✅ 核心优势
- 视频问答
- 开放权重
- 统一训练
⚠️ 短板与局限
- 长视频受限
🎯 适用场景
- 视频摘要
- 监控分析
- 视觉检索
模型使用教程
本章节整理 Video-LLaVA 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。
暂无内容，可前往官方文档查看。
该模型支持本地部署，教程整理中，敬请期待。