NemoStation открыли исходники Marlin-2B - компактной VLM для извлечения структурированной информации из видео. ** Два режима: ** - marlin.caption() возвращает JSON со сценой и событиями с таймкодами до секунды, - marlin.find() принимает запрос на естественном языке и возвращает (start, end) нужного фрагмента.

Работает на одной потребительской GPU. Лицензия BSL-1.1 - для коммерческого использования проверьте условия.

модель демо