OpenCLIP迎大更新，开源NaFlexCLAP多模态模型

近期OpenCLIP库迎来重大更新，重点整合了音频模型与支持可变分辨率及宽高比的NaFlexViT编码器，并适配了相应的WebDataset数据管线。基于此，知名研究者Ross Wightman发布了全新的实验模型集合NaFlexCLAP并开源在Hugging Face上。该模型支持可变分辨率的音频与文本多模态处理，为相关领域的视觉与音频研究提供了强大的开源工具。

2026-08-14 ~ 2026-08-14 · 2 条相关