uni-mm-trainer

UniMM-Trainer 是一个用于训练结合文本、视觉和音频的多模态大模型的小型库。其核心功能包括方便地组合编码器（如冻结的音频或视觉编码器与语言模型），简化投影层的训练过程，以及在长时间运行中跟踪实际进展。该库支持多种流行的预训练模型，并通过配置文件灵活管理不同模态的集成。适用于需要快速搭建并实验多模态模型的研究场景，但不适用于生产环境部署。使用Python编写，易于安装和扩展。