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。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
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)。
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票