腾讯优图发布5B全模态解析模型Youtu-Parsing-Omni

腾讯优图实验室发布 5B 参数的多模态解析模型 Youtu-Parsing-Omni，同时公开模型权重、技术报告、vLLM 插件和推理示例。该模型用单一 Youtu-Omni-Encoder 处理文档页、自然图像、图表、流程图、几何图、音频和音视频输入，并按任务提示词输出统一的 OmniSchema JSON。 部署上，vLLM 服务与 Transformers 推理分别固定使用 transformers 5.2.0 和 5.10.2，需装在两个独立的 Python 环境中；服务环境不能安装 peft，处理音频或视频输入需有 ffmpeg，服务仅监听 127.0.0.1 并在前台运行。

AI 根据报道生成 · 1 天前更新