🎉 Accepted by NeurIPS 2025 🎉
Характеристики
- Контекст
- 128 000 токенов
- Параметры
- 7,1 млрд
- Размер весов
- 16,6 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen2_5_vl · dense
- Базовая модель
- Qwen2.5-VL-7B-Instruct
- Опубликована
- 1 дек 2025
Ссылки
VidEmo-7B
VidEmo-7B — дообученная мультимодальная модель для анализа эмоций и рассуждений по видео.
49скачиваний за 30 дней6лайковвеса обновлены7 дек 2025
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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
VidEmo-7B — мультимодальная модель KlingAI, созданная исследователями из Нанкайского университета, Pengcheng Laboratory и Kuaishou Technology. Она предназначена для анализа видео с фокусом на эмоциях и использует рассуждение по аффективному дереву.
Модель основана на Qwen/Qwen2.5-VL-7B-Instruct и дообучена на датасете KlingTeam/Emo-CFG. Это плотная модель семейства Qwen2.5-VL с 7,1 млрд параметров; она принимает видео и текстовые запросы и выдаёт текст. Размер контекстного окна — 128 000 токенов. Репозиторий содержит веса safetensors, лицензия — Apache-2.0.
Модель подходит для задач понимания эмоционального содержания видео и ответов на вопросы о нём. Работа принята на NeurIPS 2025. Данных о точности и конкретных ограничениях в карточке нет.
Сценарии применения
- определение эмоционального содержания видео
- ответы на вопросы об эмоциях участников видео
- анализ эмоциональных изменений в ходе видеоролика
Ограничения
Карточка не приводит оценок качества и подробных ограничений; возможности за пределами эмоционального анализа видео не описаны.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2_5_VLForConditionalGeneration
- Ревизия весов
- 46edc16