字节跳动发布全模态电商直播理解模型TLive-Omni

转发 @HuggingPapers: 字节跳动的 TLive-Omni

一个用于电商直播的全模态理解模型，可处理图像、视频、音频和文本。在直播电商任务和通用基准上取得了顶级结果。 https://t.co/83bDEn7HyH