跳到正文

Valley 2.0

处理文本、图像与视频的多模态大模型

访问官网

Valley 2.0 是什么

Valley 是由字节跳动开发的多模态大型模型,能理解和处理文本、图像与视频数据。

你可以用它做什么

  • 处理文本、图像与视频输入
  • 进行文本理解与图像识别
  • 进行视频分析任务

应用场景

  • 电商平台分析用户评论和产品图片
  • 短视频平台对内容进行审核
  • 教育平台分析教学视频并生成摘要

优点与缺点

✓ 我们认可的地方

  • 可处理文本、图像与视频输入
  • 模型在 Hugging Face 平台上提供

! 需要留意的地方

  • 列出的任务以多模态输入为主
  • 使用需参照论文与平台指南

常见问题

由谁开发?

资料说明由字节跳动开发。

模型放在哪里?

资料列出 GitHub 代码和 Hugging Face 模型。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法