Tarsier 字节跳动推出的一系列大规模视觉语言模型（LVLM），专注于视频理解任务，包括视频描述、问答、视频定位、幻觉测试等功能。 Ai开源项目 2025年06月05日 90 点赞 0 评论 241 浏览
