InternVideo

用海量视频数据预训练，一个模型搞定分类、问答和字幕生成。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 162 🐛 待处理 148 👀 关注 25

GitHub ↗

GitHub 星标 ★ 2415

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源模型，Apache-2.0许可，可免费使用和部署。

项目预览

InternVideo 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队OpenGVLab

GitHubhttps://github.com/OpenGVLab/InternVideo

定价模式🏷️完全免费

价格说明开源模型，Apache-2.0许可，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型action-recognition,benchmark,contrastive-learning,foundation-models,instruction-tuning,masked-autoencoder,multimodal,open-set-recognition,self-supervised,spatio-temporal-action-localization,temporal-action-localization,video-clip,video-data,video-dataset,video-question-answering,video-retrieval,video-understanding,vision-transformer,zero-shot-classification,zero-shot-retrieval

GitHub 星标★ 2415

上线时间2022-11-23 00:00:00

代码更新2026-07-02

仓库体积58.5 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数9

项目介绍

InternVideo 是一个面向多模态理解的开源视频基础模型项目，由上海人工智能实验室发布，相关论文发表于 ECCV2024。它旨在解决视频理解中模型泛化能力不足和高质量数据稀缺的问题，通过自监督学习和多模态对齐，构建统一的视频表征。核心能力包括视频分类、时序动作检测、视频问答、视频字幕生成等。项目提供了预训练模型和微调代码，支持多种视频理解任务，并配套发布了大规模视频文本数据集，以推动视频多模态研究的发展。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2415

技术标签

benchmark contrastive-learning foundation-models instruction-tuning multimodal

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 10 分钟部署方式：模型权重 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目开发语言为 Python）
Git 命令行工具
可访问 GitHub 与 Hugging Face 的网络环境
足够的磁盘空间（用于存放代码与预训练权重）

安装与启动步骤

1克隆项目仓库

把 InternVideo 主仓库完整下载到本地，仓库内含各版本子目录与相关代码。
```
git clone https://github.com/OpenGVLab/InternVideo.git
```
2进入项目目录

切换到刚克隆下来的仓库根目录，后续所有操作都在此目录下进行。
```
cd InternVideo
```
3查看仓库结构

仓库按 InternVideo1/2/2.5/3、InternVideo-Next、Data/InternVid 等分目录组织，先列出目录确认。
```
ls
```
4选择目标子项目

按需求进入对应子目录，例如做世界理解选 InternVideo-Next，做长上下文推理选 InternVideo3。
```
ls InternVideo2 InternVideo3 InternVideo-Next
```
5进入子目录看说明

主 README 只做索引，各子项目的环境安装、训练与推理命令写在其子目录文档中，务必先阅读。
6下载预训练权重

从官方 Hugging Face 合集中的对应页面下载模型权重，如 InternVideo-Next 权重集合、InternVideo3-8B-Instruct。