Alibaba представила мультимодальную нейросеть, которая может за четыре секунды проанализировать двухчасовое видео
Инженеры китайской компании Alibaba представили мультимодальную модель машинного обучения mPLUG-Owl3. С её помощью можно анализировать текст, изображения и видео.
Разработчики делают упор именно на скорость работы нейросети, отмечая, что на обработку двухчасового видео уйдёт всего четыре секунды.В основе mPLUG-Owl3 используется модель Qwen2, которую доработали и оптимизировали.