魔搭社区开源了一种名为 OneLLM 的多模态对齐统一框架。该框架利用通用编码器和统一的投影模块与 LLM 对齐多模态输入。它支持图像、音频、视频等多种模态数据的理解，并在视频 - 文本、音频 - 视频 - 文本等任务中表现出较强的零样本能力。OneLLM 的开源代码已经发布在 GitHub 上，可以在该平台上获得相关模型权重和模型创空间。