멀티모달 모델

텍스트와 이미지·영상·오디오 이해 또는 상호작용을 결합하는 범용 비전-언어·옴니 모델의 공개 가중치입니다. 임베딩, 재순위화, 음성·오디오 및 이미지·영상 특화 작업을 우선합니다. 로봇 전용 임보디드 모델, 실행 엔진 및 사용자용 멀티모달 작업 공간은 제외합니다.