UniMM-Trainer

UniMM-Trainer 是一个专为结合文本、视觉和音频的多模态大型模型训练而设计的小型库。它简化了编码器组合、投影层训练以及在长时间运行中跟踪实际进展的过程，特别适合需要快速构建跨模态项目的研究人员或开发者。该库支持多种语言模型、视觉编码器、音频编码器及适配器类型，并提供灵活的配置选项来满足不同需求。