Macaw-LLM 多模态语言建模

Macaw-LLM：具有图像、视频、音频和文本集成的多模态语言建模 Macaw-LLM 是一项探索性的尝试，它通过无缝结合图像、视频、音频和文本数据开创了多模式语言建模，建立在 CLIP、Whi...