वीडियो-CCAM टेनसेंट QQ मल्टीमीडिया अनुसंधान दल द्वारा विकसित बहुभाषी वीडियो मॉडल (Video-MLLM) की एक श्रृंखला है, जिसका उद्देश्य वीडियो-भाषा समझ क्षमता को बढ़ाना है, विशेष रूप से लघु वीडियो और लंबे वीडियो के विश्लेषण के लिए उपयुक्त है। यह इस लक्ष्य को प्राप्त करने के लिए कार्यात्मक क्रॉस-ध्यान मास्क (Causal Cross-Attention Masks) का उपयोग करता है। वीडियो-CCAM ने कई बेंचमार्क परीक्षणों में उत्कृष्ट प्रदर्शन किया है, विशेष रूप से MVBench, VideoVista और MLVU पर। परिनियोजन प्रक्रिया को सरल बनाने के लिए मॉडल के सोर्स कोड को फिर से लिखा गया है।