WeMM-Video
Двуязычное (китайский и английский) семейство Tencent для совместного понимания видео и звука: принимает текст, картинки, звук и видео, отвечает текстом. Может сопоставить кадры с оригинальной звуковой дорожкой, описать происходящее, расшифровать речь и порассуждать о том, что видно и слышно; работает и с немым видео, отдельным звуком и картинками. Три размера: плотная 2B, 9B и MoE 35B-A3B (3B активных). Есть сжатые версии FP8, AWQ, GGUF и NVFP4. Русский не заявлен.
- Разработчик
- Tencent (WeChat), Китай
- Первый выпуск
- ноя 2026
- Последний выпуск
- ноя 2026
- Размеры
- 2B, 9B и 35B-A3B
- Лицензия
- Можно в коммерциюApache 2.0
- Русский язык
- Нет
- Запуск
- Через свой серверНужна видеокарта
- Сферы
- Медиа и продакшн, Поддержка клиентов, Безопасность
Какие задачи решает
- описание и разбор видео вместе со звуком
- расшифровка речи и вопросы по записи
- проверка и модерация видеоконтента
Где применяется
Требования к железу
Версии
- WeMM-Video-35B-A3B (BF16, FP8, AWQ, GGUF, NVFP4)
- WeMM-Video-9B
- WeMM-Video-2B
Как запустить
Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.
Частые вопросы
Можно ли использовать WeMM-Video в коммерческом проекте?
Да. Лицензия: Apache 2.0. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.
Какое железо нужно для WeMM-Video?
Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Без видеокарты модель практически не работает. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.
Поддерживает ли WeMM-Video русский язык?
Нет. В документации разработчика языки перечислены, русского среди них нет. Для русских задач лучше взять модель из подборки «Открытые ИИ-модели с русским языком».
Где скачать WeMM-Video и сколько это стоит?
Веса WeMM-Video лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.
Как внедряю у заказчика
- ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
- УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
- ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
- ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.
Похожие модели
Модели, которые понимают текст, картинки, аудио и видео и отвечают голосом в реальном времени. Qwen3-Omni говорит на 10 языках, включая русский.
ПодробнееКартинка + текстWeVisOne-VLWeChat Vision, Tencent · КитайМожно в коммерциюЕдиная модель зрения от WeChat Vision (Tencent) на основе Qwen3-VL: в одной модели и поиск объектов, и точечное восприятие. Находит объекты по описанию, указывает на нужный предмет, считает предметы, указывает точки, читает текст, а на уровне пикселей вырезает объект по описанию и делает альфа-маску по запросу, для этого к модели добавлен небольшой декодер на 9,6M параметров. Два размера, 2B и 4B. Подходит для разметки картинок, вырезания товаров с фона, подсчёта предметов на фото. Языки запросов в карточке не указаны.
ПодробнееГолосовые ассистентыMiniCPM-oOpenBMB (ModelBest, Университет Цинхуа) · КитайМожно в коммерциюНебольшая модель, которая видит, слышит и отвечает голосом в реальном времени, может клонировать голос. Голосовой диалог на английском и китайском, текст — на 30+ языках.
ПодробнееИсточник: huggingface.co/tencent/WeMM-Video-35BA3B. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.


