跳到正文

SlowFast-LLaVA

无需额外训练即可做视频问答

访问官网

SlowFast-LLaVA 是什么

SlowFast-LLaVA 被介绍为一个免训练的多模态大型语言模型,面向视频理解与推理,无需微调即可进行视频问答。

你可以用它做什么

  • 回答关于视频的问题
  • 运行多个视频问答基准
  • 按所用硬件调整配置

上手流程

  • 安装 CUDA、Python 与 PyTorch
  • 克隆代码并创建 conda 环境
  • 下载并准备预训练权重

优点与缺点

✓ 我们认可的地方

  • 提供详细的安装与使用指南
  • 提供丰富的示例代码与脚本

! 需要留意的地方

  • 评估依赖预训练的 LLaVA-NeXT 权重
  • 环境需要 CUDA、Python 与 PyTorch

常见问题

需要微调吗?

资料说明它是免训练模型,无需在任何数据上微调。

用到了什么权重?

资料列出预训练的 LLaVA-NeXT 权重。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法