Производная модели HuggingFaceTB/SmolVLM2-500M-Video-Instruct. Компактная мультимодальная модель Hugging Face, которая отвечает на вопросы о видео и изображениях и описывает их по текстовым запросам.

Подходит для: ответы на вопросы по содержанию видео · создание кратких описаний и пересказов видео · описание изображений по текстовому запросу