🔹 [2026.09.30]：🚀 Multimodal SDK 26.2.0 Release 版本发布
🔹 [2026.07.31]：🚀 Multimodal SDK 26.1.0 Release 版本发布
🔹 [2026.04.25]：🚀 Multimodal SDK 26.0.0 Release 版本发布
🔹 [2025.12.30]：🚀 Multimodal SDK 开源发布
Multimodal SDK 是面向昇腾设备优化的多模态大模型推理预处理加速套件。它提供图像、视频和音频处理常用接口，覆盖图像/视频加载与解码、resize、crop、音频加载等预处理流程，并支持多种开源数据结构与加速库数据结构的相互转换，帮助开发者快速接入和迁移多模态推理应用。
| 功能 | 描述 | 接口 |
|---|---|---|
| 图像处理 | 支持图像读取、resize、crop 及 NumPy 数据转换，适用于多模态模型图片预处理场景 | 链接 |
| 视频处理 | 支持按指定帧 ID 解码或按目标帧数均匀采样，返回可继续处理的 Image 对象列表 | 链接 |
| 音频处理 | 支持单文件、文件列表和目录批量音频加载，并可指定重采样率 | 链接 |
| 推理框架补丁 | 提供 vLLM 框架补丁，便于在现有推理流程中集成加速能力 | 链接 |
Multimodal SDK 提供 Docker 快速体验流程，帮助用户完成环境启动、变量加载和首个 Python 示例验证，详情可参考《快速入门》。
如果需要修改源码并重新编译，请直接参考《贡献指南》。
Multimodal SDK 支持离线安装、镜像安装、源码安装三种方式，详情可查看《安装指南》。
Multimodal SDK 以图片、视频和音频三个典型场景提供基础预处理接口使用样例与操作指导，具体操作请参考《样例和指导》。
API 说明请参考：
| 文档 | 说明 |
|---|---|
| 功能函数参考 | Tensor、Image、video_decode、load_audio 等接口说明 |
| patcher | vLLM 框架预处理加速补丁说明 |
| Python 接口说明 | 数据类型枚举与 API 文档入口 |
| 版本 | 维护策略 | 当前状态 | 发布日期 | 后续状态 | EOL 日期 |
|---|---|---|---|---|---|
| master | 长期支持 | 开发 | 在研分支，不发布 | 持续开发 | - |
| v26.2.0 | 常规分支 | 维护 | 2026-09-30 | 预计2027-03-31起进入无维护状态 | 2027-03-31 |
| v26.1.0 | 常规分支 | 维护 | 2026-07-31 | 预计2027-01-31起进入无维护状态 | 2027-01-31 |
| v26.0.0 | 常规分支 | 维护 | 2026-04-25 | 预计2026-10-25起进入无维护状态 | 2026-10-25 |
欢迎参与项目贡献，贡献流程和规范请参见《贡献指南》。
🔹 《版本说明》
🔹 《安全加固》
🔹 《许可证声明》
🔹 《文档许可证声明》
🔹 《免责声明》
🔹 《第三方开源软件声明》
欢迎大家通过以下方式提出问题、交流讨论。
| 资源 | 说明 |
|---|---|
| FAQ | 常见问题解答与使用答疑 |
| 创建Issue | 提交 Bug、需求或建议 |
| 社区任务 | 查看和认领社区任务 |
| 会议日历 | 社区定期例会与活动日程 |