[控场AI]
已验证65% 置信事实时间未知

Transformers框架支持的文本模型包括GPT、BERT、LLaMA、T5等，视觉模型包括ViT、CLIP、Stable Diffusion等，音频模型包括Whisper、Wav2Vec等，多模态模型包括LLaVA、Qwen-VL等

3
来源数
65%
置信度
长期有效
时效性
2026/6/1
首次发现

来源

Hugging Face Transformers：16万Star的AI模型框架全解析
githubhuggingface

涉及实体

Hugging Face TransformersproductGPTmodelBERTmodelLLaMAmodelT5modelViTmodelCLIPmodelStable DiffusionmodelWhispermodelLLaVAmodelQwen-VLmodel

相关事实

待验证多模态大语言模型能同时处理文本、图像乃至音频输入，代表例子包括GPT-4o、Gemini 1.5、LLaVA、Qwen-VL74% 相似已验证GPT-4o 的端到端语音架构将音频以离散 token 的形式纳入统一的 Transformer 处理框架，在单一模型内完成听-想-说全链路处理69% 相似已验证Transformer架构成为BERT（2018）、GPT系列、T5等现代大语言模型的核心基础，被引次数超过10万次69% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/30446
API
curl https://kongchang.com/api/v1/knowledge/claims/30446
MCP
get_claim(id=30446)