/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen2.5-1.5B-Instruct
Опубликована
26 июл 2026

Nano-EmoX

Компьютерное зрениеВидео, текст → текст

Компактная мультимодальная модель для распознавания эмоций, сентимента и намерений в видео и генерации эмпатичных ответов.

0скачиваний за 30 дней0лайковвеса обновлены14 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Nano-EmoX — компактная мультимодальная языковая модель для анализа эмоций, сентимента и намерений в видео и генерации эмпатичных ответов. Разработчики описывают её как модель на 2,2 млрд параметров, объединяющую предварительно обученную языковую модель, энкодеры для отдельных модальностей и экспертный механизм слияния признаков.

Модель предназначена для мультимодального анализа сентимента и эмоций, распознавания эмоций с открытым набором категорий, распознавания намерений, вывода причин эмоций и генерации эмпатичных ответов. Она дообучена на базе Qwen/Qwen2.5-1.5B-Instruct; в карточке указаны английский и китайский языки, а также наборы данных MER2025, MIntRec, MIntRec2.0 и AvaMERG. Лицензия — Apache-2.0.

Карточка не раскрывает поддерживаемые кодеки, длину контекста и подробные характеристики энкодеров или слияния модальностей. Заявленные задачи эмоционального анализа не следует трактовать как надёжную оценку внутреннего состояния человека: точность за пределами указанных задач и языков по приведённым сведениям не установлена.

Сценарии применения

  • определение эмоциональной окраски видео
  • распознавание эмоций по мультимодальному сигналу
  • распознавание эмоций по категориям, заданным пользователем
  • определение намерения говорящего в видео
  • объяснение вероятных причин выраженной эмоции
  • генерация эмпатичного ответа на эмоциональное высказывание

Ограничения

Карточка не приводит количественных оценок качества и не уточняет характеристики энкодеров или механизм слияния. Поддержка языков сверх английского и китайского не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for [CVPR2026] NanoEmoX

our model is first compact (2.2B) emotion intelligence Multimodel Langugage Model. It integrates a pretrained LLM with modality-specific encoders and experts-based fusion encoder to handle a broad spectrum of affective tasks in one model.

Nano-EmoX supports six core tasks within one model: 1), Multimodal Sentiment Analysis. 2), Multimodal Emotion Recognition. 3), Open-Vocabulary Multimodal Emotion Recognition. 4), Multimodal Intention Recognition. 5), Emotion Reason Inference. 6), Empathic Response Generation

Model Details

Model Sources

Citation

If this work has been helpful or inspiring to your research, please consider cite our article:

BibTeX:

@InProceedings{Huang_2026_CVPR,
    author    = {Huang, Jiahao and Lin, Fengyan and Yang, Xuechao and Feng, Chen and Zhu, Kexin and Yang, Xu and Chen, Zhide},
    title     = {Nano-EmoX: Unifying Multimodal Emotional Intelligence from Perception to Empathy},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    month     = {June},
    year      = {2026},
    pages     = {22986-22997}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
fd0ba53

0 моделей