ICTNLP/StreamUni-Phi4 — адаптер, дообученный ICTNLP на базе мультимодальной модели Microsoft Phi-4-multimodal-instruct. Модель предназначена для работы с аудио и текстом; в метаданных Hugging Face основная задача указана как audio-text-to-text, а каталог также отмечает генерацию текста и диалоговые возможности. Размер модели — 3,8 млрд параметров, архитектура плотная Phi4MMForCausalLM, максимальный контекст — 4096 токенов. Репозиторий содержит веса в формате safetensors и связан с набором данных ICTNLP/StreamUni.

Модель подходит для диалоговых сценариев с аудио и генерации текстовых ответов на аудиовход. Базовая модель также поддерживает анализ изображений и распознавание речи, однако карточка этой модели не подтверждает, что эти функции входят в возможности адаптера. Для запуска README рекомендует Python 3.10 и перечисляет зависимости, включая Transformers 4.48.2, PyTorch и PEFT. Лицензия — Apache-2.0.