Emu3，智源研究院开源的多模态大模型，通过预测下一个词或token的方式来理解和生成文本、图像和视频。

Emu3在生成和理解任务方面都优于几个代表性的任务特定模型，超过了SDXL、LLaVA-1.6和OpenSora-1.2等开源旗舰模型，同时不需要使用扩散模型或组合结构。

Emu3，智源研究院开源的多模态大模型，通过预测下一个词或token的方式来理解和生成文本、图像和视频插图

项目地址：https://emu.baai.ac.cn/about

Github地址：https://github.com/baaivision/Emu3

模型下载地址：https://huggingface.co/collections/BAAI/emu3-66f4e64f70850ff358a2e60f



微信扫描下方的二维码阅读本文

Emu3，智源研究院开源的多模态大模型，通过预测下一个词或token的方式来理解和生成文本、图像和视频插图1

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。