OpenCLIP大修：整合音频模型与可变分辨率

开源库OpenCLIP迎来重大更新，开发者对其输入管道进行了深度改造。本次更新重点引入了支持可变分辨率与宽高比的NaFlexViT编码器及匹配的WebDataset数据管线，并成功整合了现有的音频CLAP模型。此外，研究者Ross Wightman还在Hugging Face上开源了支持可变分辨率的音频-文本多模态实验模型集合NaFlexCLAP，进一步拓展了多模态技术的应用边界。

2026-08-14 ~ 2026-08-14 · 3 条相关

另有 1 条近重复转述:giffmana