1. Qwen-MM-Pluginsでテキスト専用LLMに画像・音声・動画処理を外付け

    [PROGRAMMING]

    Qwen-MM-PluginsとNemotron 3 Nano Omniを組み合わせ、DeepSeek V4 Flashのようなテキスト専用LLMにマルチモーダル機能を補う構成を検証した。DGX Spark上で画像・音声・動画の処理が通る一方、直接読ませる系の機能には制約が残った。

    1 DevelopersIO