Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

nemotron-labs-audio-visual-flamingo-hf

NVIDIA · nvidia/nemotron-labs-audio-visual-flamingo-hf

Licença dos pesos: Termos do publicador: NVIDIA OneWay Noncommercial License · código e componentes podem ter outros termos

Downloads no Hub · 30 dias511Popularidade, não qualidade · lido em 2026-10-25
Memória necessária~7 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros8,7 BTotal de safetensors no Hub
Repositório atualizado2026-07-20Um commit não é data de lançamento

Qualidade

Sem score comparável

Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.

Informado pelo publicador

A ficha tem 1 tabela de avaliação, mas nenhuma coluna foi associada a este checkpoint ainda (lida em 2026-10-25); nenhum valor é copiado de outra coluna. Isto continua uma lacuna aberta. tabelas na ficha, coluna ainda não associada · lida em 2026-10-25

Roda em

Cabe na memória rápida 90

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Mostrar todos os 90

Na memória, fora da parte rápida 26

Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.

Mostrar todos os 26

Falta um degrau de memória 3

As mesmas máquinas com o próximo tamanho de memória o comportariam na memória rápida.

Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.

Considere para

NVIDIA lançou nemotron-labs-audio-visual-flamingo-hf em 2026-07-17: um modelo de visão e linguagem para vídeo e imagens, com 8,7B parâmetros pela contagem do Hugging Face e licença Termos do publicador: NVIDIA OneWay Noncommercial License. Idiomas declarados pelo publicador: en.

Confira antes

Licença: uso comercial sem resposta (a licença é publicada só como arquivo .docx, que não pôde ser lido em 2026-10-18). Em Q4 os pesos somam cerca de 6,5 GB antes da reserva de cada máquina; resolução da imagem, quadros de vídeo e contexto somam memória, e o encoder visual precisa de suporte no runtime escolhido.

Velocidade medida

Nenhuma medição publicada para este checkpoint

Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.

Como rodar

Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.

Biblioteca na fonte: transformers

Formas documentadas de rodar

Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.

Preparação indicada antes pela fonte · Transformers
pip install --upgrade pip
pip install "transformers[video] @ git+https://github.com/lashahub/transformers.git@add_AudioVisualFlamingo"
pip install accelerate torch torchaudio librosa soundfile
Transformers · ficha do modelo · Video + Audio From One Container
import torch
from transformers import AudioVisualFlamingoForConditionalGeneration, AutoProcessor

model_id = "nvidia/nemotron-labs-audio-visual-flamingo-hf"
dtype = torch.bfloat16 if torch.cuda.is_available() else torch.float32

model = AudioVisualFlamingoForConditionalGeneration.from_pretrained(
    model_id,
    device_map="auto",
    dtype=dtype,
    load_audio_in_video=True,
).eval()

processor = AutoProcessor.from_pretrained(
    model_id,
    padding_side="left",
    use_fast=False,
    load_audio_in_video=True,
    num_video_frames=128,
    audio_chunk_length="max_3600",
)

conversation = [
    {
        "role": "user",
        "content": [
            {"type": "video", "video": "/path/to/video.mp4"},
            {
                "type": "text",
                "text": (
                    "Describe the full video. Include the visual scene, spoken content, "
                    "important sounds or music, and how the audio and visuals align over time."
                ),
            },
        ],
    }
]

inputs = processor.apply_chat_template(
    conversation,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
).to(model.device)

generated_ids = model.generate(
    **inputs,
    max_new_tokens=1024,
    do_sample=False,
)

new_tokens = generated_ids[:, inputs["input_ids"].shape[1] :]
print(processor.batch_decode(new_tokens, skip_special_tokens=True)[0])

Escolher meu computador

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Tarefa
video-text-to-text
Arquitetura
AudioVisualFlamingoForConditionalGeneration
Biblioteca na fonte
transformers
Licença dos pesos
Termos do publicador: NVIDIA OneWay Noncommercial Licensenvidia/nemotron-labs-audio-visual-flamingo-hf model card (Hugging Face) · consultado em 2026-10-18fonte
Uso comercial
A licença é publicada só como arquivo .docx, que não pôde ser lido em 2026-10-18
Idiomas
enMetadados do model card · consultado em 2026-10-25fonte
Lançamento
Audio-Visual Flamingo: Open Audio-Visual Intelligence for Long and Complex Videos (arXiv 2607.16107 v1, NVIDIA) · consultado em 2026-10-18fonte
Todos os campos guardados12 campos
Revisão conferida
4e40cc207574b8d95628f44691f75b01e012e46c
Arquitetura
AudioVisualFlamingoForConditionalGeneration
Biblioteca
transformers
Tag de tarefa no Hub
video-text-to-text
Formatos
safetensors
Acesso
Download aberto
Tipo de publicador
Oficial
Repositório criado
2026-04-15criação não é o lançamento do modelo
Repositório atualizado
2026-07-20um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
511 · 19só este repositório · lido em 2026-10-25
Lido na página do Hub
classe transformers, tags de tarefaVisão geral e lista de arquivos do Hub · lido em 2026-10-18
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Fatos curados verificados: 2026-10-18. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.