海外からのアクセス：www.kdjingpai.com

Ctrl + D このサイトをブックマークする

現在の場所図頭 " AIアンサー

Tarsier是由字节跳动开发的开源视频-语言模型家族

2025-08-25

1.1 K

Tarsier模型的开发背景与定位

Tarsier是字节跳动(Bytedance)旗下自主研发的开源视频理解模型系列，其核心定位是通过跨模态技术实现高质量视频内容解析。该模型家族采用CLIP-ViT框架处理视觉信息，结合大语言模型的时间关系分析能力，构成了完整的视频-语言处理体系。作为2025年1月发布的最新版本，Tarsier2-7B在16个国际公开基准测试中达到了行业领先水平，展现出了与GPT-4o等顶级模型竞争的实力。

技术架构：基于视觉-语言双模态设计
版本演进：从初期版本到Tarsier2-7B的性能突破
开源策略：完整公开模型权重、训练代码和评估工具

特别值得注意的是，该项目不仅提供模型本身，还配套发布了DREAM-1K基准数据集，包含1000个经过专业标注的视频片段，为行业提供了标准化的评估体系。

この答えは記事から得たものである。Tarsier: 高品質な動画説明を生成するためのオープンソース動画理解モデルについて

関連記事

無断転載を禁じます：AI生産性ツール " Tarsier是由字节跳动开发的开源视频-语言模型家族

おすすめ

日本語