Smolvlm2 2.2B Instruct I1 GGUF
SmolVLM2-2.2B-Instructは2.2Bパラメータ規模の視覚言語モデルで、ビデオテキストからテキストへのタスクに特化し、英語をサポートしています。
ダウンロード数 285
リリース時間 : 4/25/2025
モデル概要
このモデルは量子化バージョンの視覚言語モデルで、複数のビデオとテキストデータセットに基づいて訓練されており、ビデオコンテンツの理解と生成タスクに適しています。
モデル特徴
複数データセット訓練
モデルはthe_cauldron、Docmatix、LLaVA-OneVision-Dataなどの高品質なビデオとテキストデータセットに基づいて訓練されています。
多様な量子化バージョン
極低品質のIQ1_Sから高品質のQ6_Kまで、さまざまな量子化バージョンを提供し、異なるハードウェアと性能要件に対応します。
ビデオ理解能力
ビデオコンテンツの理解とテキスト生成に特化しており、ビデオ字幕生成、ビデオコンテンツ分析などのタスクに適しています。
モデル能力
ビデオコンテンツ理解
テキスト生成
ビデオ字幕生成
マルチモーダル推論
使用事例
ビデオコンテンツ分析
ビデオ字幕生成
ビデオコンテンツに記述的な字幕を生成する
ビデオコンテンツ要約
ビデオからキー情報を抽出し要約を生成する
教育
教育ビデオ解説
教育ビデオの解説テキストを生成する
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