OmniLMM

OmniLMM是一系列面向图文理解的开源多模态大模型，接受图像和文本输入，并提供高质量的文本输出。该系列包括两个版本：OmniLMM-12B和OmniLMM-3B。其中，OmniLMM-12B具有领先性能，具备较为丰富的多模态世界知识，并实现了实时多模态交互。而OmniLMM-3B则可以高效部署在大多数GPU和个人电脑上，包括移动手机等终端设备，具有优秀性能和双语支持。