NVIDIA 推出 Nemotron-Labs-Audio-Visual Flamingo（AV-Flamingo），一个完全开源的音频-视觉大语言模型，专为理解和推理长视频中的音频、图像与复杂场景设计。
模型
·HuggingFace Daily Papers（社区热门论文）
NVIDIA 发布 Audio-Visual Flamingo：面向长视频的开放音频-视觉大语言模型
— Audio-Visual Flamingo： Open Audio-Visual Intelligence for Long and Complex Videos