Qwen2.5 VL 7B Instruct GGUF
Qwen2.5-VL-7B-Instruct はマルチモーダルな視覚言語モデルで、画像テキスト生成タスクをサポートします。
Downloads 5,052
Release Time : 3/21/2025
Model Overview
このモデルはQwen2.5アーキテクチャに基づいており、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、画像記述や視覚質問応答などのタスクに適しています。
Model Features
マルチモーダルサポート
画像とテキスト情報を同時に処理し、クロスモーダルな理解と生成を実現します。
効率的な推論
量子化技術による最適化で、リソースが限られたデバイス上での実行をサポートします。
Model Capabilities
画像記述生成
視覚質問応答
クロスモーダル理解
Use Cases
コンテンツ生成
画像記述
画像に対して詳細なテキスト記述を生成します。
正確で表現力豊かな画像記述を生成します。
支援ツール
視覚質問応答
画像内容に関する自然言語の質問に回答します。
画像内容に関連する正確な回答を提供します。
Featured Recommended AI Models
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 Supports Multiple Languages

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 English

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 Chinese
R
uer
2,694
98