モデル選定

多言語画像記述

# 多言語画像記述

Qwen2.5 VL 7B Abliterated Caption It I1 GGUF

Qwen2.5-VL-7B-Abliterated-Caption-itの量子化バージョンで、多言語画像記述タスクをサポートします。

画像生成テキスト

Transformers 複数言語対応

Llama 3.2 11B Vision Instruct GGUF

Llama-3.2-11B-Vision-Instructは多言語対応の視覚 - 言語モデルで、画像テキストからテキストへの変換タスクに使用できます。

画像生成テキスト

Transformers 複数言語対応

Paligemma 3b Ft Science Qa 448

PaliGemmaはGoogleが開発した30億パラメータの軽量視覚言語モデルで、SigLIP視覚モデルとGemma言語モデルを基に構築されており、画像とテキストの入力からテキスト出力を生成できます。

画像生成テキスト

おすすめAIモデル

Qwen2.5 VL 7B Abliterated Caption It I1 GGUF

Qwen2.5-VL-7B-Abliterated-Caption-itの量子化バージョンで、多言語画像記述タスクをサポートします。

画像生成テキスト

Transformers 複数言語対応

Nunchaku Flux.1 Dev Colossus

Colossus Project FluxのNunchaku量子化バージョンで、テキストプロンプトに基づいて高品質な画像を生成することを目的としています。このモデルは、推論効率を最適化しながら、性能損失を最小限に抑えます。

画像生成英語

Qwen2.5 VL 7B Abliterated Caption It GGUF

これはQwen2.5-VL-7Bモデルに基づく静的量子化バージョンで、画像記述生成タスクに特化し、複数の言語をサポートしています。

画像生成テキスト

Transformers 複数言語対応

Olmocr 7B 0725 FP8

olmOCR-7B-0725-FP8は、Qwen2.5-VL-7B-Instructモデルをベースに、olmOCR-mix-0225データセットで微調整した後、FP8バージョンに量子化した文書OCRモデルです。

画像生成テキスト

Transformers 英語

Lucy-128kはQwen3 - 1.7Bをベースに開発された、プロキシ型ネットワーク検索と軽量ブラウジングに特化したモデルで、モバイルデバイスでも効率的に動作します。

大規模言語モデル

Transformers 英語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase