WeMM-Embedding
WeMM-Embedding est une famille de modèles d'embedding multimodaux universels de l'équipe vision de WeChat chez Tencent, prenant en charge la compréhension et la récupération multimodales.
Utilisez des modèles d'embedding multimodaux pour comprendre et récupérer des informations à partir de texte, d'images et de vidéos.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentWeMM-Embedding est une famille de modèles d'embedding multimodaux universels de l'équipe vision de WeChat chez Tencent, prenant en charge la compréhension et la récupération multimodales.
WeMM-Embedding compte 930 étoiles sur GitHub. Il a été forké 65 fois. WeMM-Embedding est écrit principalement en Python. Il est développé activement depuis 2026. Ses principaux thèmes sont : embedding-models, multimodal, multimodal-llm.
Qu'est-ce que WeMM-Embedding ?
WeMM-Embedding est une famille de modèles d'embedding multimodaux universels de l'équipe vision de WeChat chez Tencent, prenant en charge la compréhension et la récupération multimodales.
WeMM-Embedding est-il open source ?
WeMM-Embedding est un projet open source.
WeMM-Embedding est-il gratuit ?
Oui. WeMM-Embedding est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Dans quel langage WeMM-Embedding est-il écrit ?
WeMM-Embedding est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/tencent-wemm-embedding.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.