Qwen.qwen2 VL 72B GGUF
Qwen2-VL-72Bは、画像とテキストのマルチモーダル理解と生成をサポートする強力な視覚言語モデルです。
ダウンロード数 125
リリース時間 : 12/17/2024
モデル概要
Qwen2-VL-72Bは、画像とテキストの共同タスクを処理できるマルチモーダルモデルで、さまざまな視覚言語タスクに適しています。
モデル特徴
マルチモーダル理解
画像とテキスト入力を同時に処理し、クロスモーダルの理解と生成を実現します。
大規模パラメータ
72Bのパラメータを有し、強力な表現力と学習能力を備えています。
汎用タスクサポート
画像キャプション生成、視覚的質問応答など、さまざまな視覚言語タスクに適用可能です。
モデル能力
画像理解
テキスト生成
視覚的質問応答
画像キャプション生成
使用事例
コンテンツ生成
画像キャプション生成
入力画像に対して詳細なテキスト説明を生成します。
正確で詳細な画像説明を生成します。
インテリジェントQA
視覚的質問応答
画像内容に関する自然言語の質問に回答します。
正確で文脈に即した回答を提供します。
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98