SALMONN音视频模型升级，推理提速支持高帧率运行
SALMONN家族迎来全面升级！继开创性推出首个通用音频理解模型(ICLR 2024)和全要素音视频理解模型video-SALMONN(ICML 2024)后，研发团队再次突破音视频理解的技术边界。全新一代video-SALMONN 2/2+、首推理增强型视频理解大模型video-SALMONN-o1(ICML 2025)、高帧率视频理解模型F-16(ICML 2025)及AVUT评测基准(EMNLP 2025)正式亮相。
旗舰型号video-SALMONN 2+
该模型在视频描述生成领域实现重大突破，通过原子事件级评估体系与MrDPO强化学习，显著提升描述完整性和准确性。其72B版本在Video-MME、WorldSense等多份权威榜单上超越GPT-4o和Gemini 1.5 Pro等商业产品。
创新推理模型video-SALMONN-o1
该模型突破性地实现了音视频多步推理能力，通过process DPO(pDPO)训练方法，显著提升复杂场景下的理解深度。在脱口秀解析、学术演讲理解等任务中展现出类人的推理能力。
高帧率王者F-16
专为高速视频理解设计的多帧联合对齐压缩技术，让模型在不增加算力负担的情况下，准确捕捉体育赛事、电子竞技等场景的关键瞬间，在高帧率视频理解任务中全面领先。
严谨评测体系AVUT
针对业内普遍存在的"文本捷径"问题，开发团队创新性提出Cycled Accuracy评估方法，通过答案轮转排列有效排除人工标注偏好的干扰，建立起更公正的音视频理解评测标准。
研究团队
清华大学电子工程系多媒体信号与智能信息处理实验室出品，相关成果已在GitHub开源(https://github.com/bytedance/SALMONN)。
免责声明
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
同类文章
极氪9X旗舰豪车解析：老钱新贵争相抢购的魅力何在？
四五十万元的购车预算，如今吸引着两类截然不同的消费群体——他们或是拥有深厚财富积淀的“老钱”，或是正处于财富上升期的“新贵”。这两类人群的消费逻辑截然不同，却因一款国产豪华SUV的出现产生了交集。“
侨批到芯片：湾区研学见证岭南科研梦
当浙江大学材料与化工专业的硕士研究生李宇彤倚靠在列车车窗旁，望着窗外渐行渐远的岭南景色，四天的湾区研学之旅已在心中镌刻下深刻印记。这位来自杭州的学子未曾料想，一场短暂的实践考察会让他对这片土地生出难
中国2035风电光伏目标36亿千瓦；天合储能换帅；理想欣旺达成合资
【生态环境周观察】旨在将每周全球生态环境领域最重要的政策、事件、讨论、数据呈现在读者面前，用最真实、前沿的信息，捕捉我们身边微小而重要的变化。环球同此凉热，视野点亮未来。政策中国宣布2035年前风电
小米17T有望重返印度市场，T系列新机曝光
科技媒体XiaomiTime近日发布消息称，小米公司在手机产品线中再次采用“跳代”策略，新款小米17T系列机型已现身GSMA IMEI数据库，并确认将进入印度市场。这是继小米15T系列之后，小米T系
科创AI ETF单日涨3.21%，规模2.3亿重仓科技龙头
近日，富国上证科创板人工智能交易型开放式指数证券投资基金（简称：富国上证科创板人工智能ETF，代码：589380）在二级市场表现活跃。据公开数据显示，该基金9月30日收盘涨幅达3 21%，当日成交额
热门推荐
热门教程
更多- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
