AIbase
TW
模型選型
標籤
圖像文本交互

# 圖像文本交互

Smolvlm Instruct GGUF
Apache-2.0
SmolVLM是一個緊湊的開源多模態模型，能夠接受圖像和文本輸入並生成文本輸出，專為高效設計，適用於設備端應用。
圖像生成文本 Transformers 英語
S
Mungert
1,023
2
Gemma 3 4B It Qat GGUF
Google出品的Gemma 3 4B IT模型，支持多模態輸入和長上下文處理，適用於文本生成和圖像理解任務。
圖像生成文本
G
lmstudio-community
46.55k
10
Gemma 3 27b It Int4 Gguf
Gemma 3是谷歌推出的輕量級尖端開放模型家族，基於與Gemini模型相同的研究技術構建。支持文本/圖像輸入與文本輸出，提供預訓練和指令調優兩種權重版本。
圖像生成文本
G
gaunernst
232
3
Qwen2.5 VL 32B Instruct GGUF
Apache-2.0
Qwen2.5-VL-32B-Instruct 是一個32B參數規模的多模態視覺語言模型，支持圖像和文本的聯合理解與生成任務。
圖像生成文本 英語
Q
Mungert
9,766
6
Gemma 3 27b It Qat Q4 0 Gguf
Gemma是Google推出的輕量級開源多模態模型系列，支持文本和圖像輸入並生成文本輸出，具有128K大上下文窗口和超過140種語言支持。
圖像生成文本
G
google
69.29k
251
Qwen2 VL 2B Instruct
Apache-2.0
Qwen2-VL-2B-Instruct 是一個多模態視覺語言模型，支持圖像文本到文本的任務。
圖像生成文本 Transformers 英語
Q
FriendliAI
24
1
Blip Vqa Base
Bsd-3-clause
BLIP是一個統一的視覺語言預訓練框架，擅長視覺問答任務，通過語言-圖像聯合訓練實現多模態理解與生成能力
文本生成圖像 Transformers
B
Salesforce
1.9M
154
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase