Tarsier是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、定位和幻觉测试等功能。Tarsier主要功能视频描述生成：Tarsier能生成高质量的视频描述，覆盖视频中的各种细节，包括动作、场景和情节，帮助用户更好地理解视频内容。问答能力：Tarsier
小程序微信公众号QQ服务小程序微信公众号QQ服务