一款解决短视频副业项目中字幕翻译问题的工具，提供语音生成字幕、多种配音角色选择和多种翻译引擎支持，轻松完成视频翻译和配音任务。
模型将几乎免费地部署在CPU上，而不是API服务。
单一大型语言模型的局限性变得更加明显，导致转向更小、更专业化的模型。
这方面最典型的当属中国邮政香港抖音官方账号“中國郵政香港官方账号”。在专业团队的操盘下，“中國郵政香港官方账号”不仅能蹭上只有年轻人才能懂的“哪都通梗”，还大打港风牌，拍出了不输达人的短视频内容，甚至专业到可以反过来帮达人拍视频。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。