Perseus Doc Vl 0712 I1 GGUF
Perseus-Doc-vl-0712は、多言語をサポートするビジュアル言語モデルで、テキスト生成、画像キャプション生成、光学文字認識などのタスクに適しています。
ダウンロード数 105
リリース時間 : 7/14/2025
モデル概要
このモデルは特定のデータセットで訓練され、ビジュアル理解とテキスト処理能力を提供し、さまざまなシーンでの文書分析と画像理解タスクに適しています。
モデル特徴
多言語サポート
英語と中国語をサポートし、多言語環境での文書処理タスクに適しています。
ビジュアル言語理解
ビジュアルと言語処理能力を結合し、画像に関連するテキスト内容を理解し生成することができます。
量子化バージョンが豊富
複数の量子化バージョンを提供し、ユーザーは必要に応じて適切なモデルサイズと品質を選択できます。
モデル能力
テキスト生成
画像キャプション生成
光学文字認識
インテリジェント文字認識
ビジュアル理解
文書分析
使用事例
文書処理
PDF内容分析
PDF文書からテキスト内容を抽出し分析します。
文書内の文字情報を効率的に認識し抽出します。
画像キャプション生成
画像に対して説明的なキャプションを生成します。
画像内容に関連する正確な説明を生成します。
多言語アプリケーション
多言語OCR
多言語文書内の文字を認識し抽出します。
英語と中国語の文字認識をサポートします。
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