返回全部题目← 上一题114 / 315下一题 →题库/模型基础与推理/Q-5658AudioCLIP 如何将音频接入图像与文本的联合表示空间？知识专题：多模态与生成模型题目类型：原理机制技术难度：进阶收录题集：1 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集1 份AI多模态基础总览Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →介绍一下音频表示编码器CLAP和AudioCLIP，说明模型结构、预训练目标相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题CLAP 如何通过音频与文本对比预训练学习联合表示？下一题 →多模态模型如何统一表达边界框等文本结果并路由到分割等任务解码器？
