Seed1.5-VL

InternLM-XComposer2.5-OmniLive：一个用于长期流式视频和音频交互的全面多模态系统

一种新颖的多模态大语言模型架构，旨在结构上对齐视觉和文本嵌入。

一个结合大语言模型的语音、语言、音频、音乐处理框架

LLaVA-Mini 是一个统一的大型多模态模型（LMM），能够高效支持图像、高分辨率图像和视频的理解。