OpenCLIP 4.2 发布：支持 CLAP2 变长音频-文本模型并开源 OpenMaMMUT
wightmanr · x · 2026-11-14
timm 维护者 wightmanr 梳理了本周发布的 OpenCLIP 4.2 及相关开放研究资产：
- CLAP2 / LAION-Audio-XL（Wijngaard 等，2026）：新的变长音频-文本模型家族，论文、代码、数据集均已开放，模型通过 OpenCLIP 4.2.1+ 的 naflexclap 系列提供。
- OpenMaMMUT（Nezhurina 等，NeurIPS 2025）：双对比+生成式图文开源模型家族，作者修复了 MaMMUT2 系列的 pooling bug 及 CoCa2 对应修复。
- 同时致谢 SigLIP 2 的原始 NaFlex 思路（Tschannen 等，2025），其增强版 NaFlexViT 已进入 timm；并提及 GenLIP（ECCV 2026）等生成式语言-图像预训练工作。
这是开放多模态社区一批论文+代码+权重+数据集的集中开源，对做音频/图文表征研究的人是完整可复用的工具链。
所属事件:OpenCLIP 4.2 发布：支持 CLAP2 变长音频模型并接入 OpenMaMMUT(2 条相关)→
「多模态」频道最新
- 全双工语音模型 Haru-4B 登上 Hugging Face 热榜 — higurashi-ai · 2026-11-14
- 字节发布 Seedance 2.5 Flash，限时 35% 折扣 — videorouter · 2026-11-14
- OpenAI Images 2.6 发布:单图 4 秒生成,双榜登顶且价格不变 — thursdai_pod · 2026-11-14
- 8GB 显存跑 MiniMax H3 运镜实测：Blender 动画驱动低成本视频生成 — big-boss_97 · 2026-11-14
- 3D 场景生成对比:Inkling 2 Small 运镜电影感,Kimi K3 场景寡淡 — LiTianleli · 2026-11-14
- 剧集《2000》全程用 Cuelist AI 制作,Y2K 题材短剧上线 — Uncanny_Harry · 2026-11-14