PandaGPT

​PandaGPT 是一个多模态人工智能模型，旨在赋予大型语言模型以视觉和听觉的指令跟随能力。 ​它结合了 ImageBind 的多模态编码器和 Vicuna 的大型语言模型，能够处理图像、视频和音频等多种输入形式。