AIbase
TW
模型選型
標籤
跨模態交互

# 跨模態交互

Phi 4 Multimodal Instruct Onnx
MIT
Phi-4多模態模型的ONNX版本，已量化為int4精度，通過ONNX Runtime加速推理，支持文本、圖像和音頻輸入。
多模態融合 其他
P
microsoft
159
66
Qwen2 VL 7B Instruct GGUF
Apache-2.0
基於Qwen2-VL-7B-Instruct的多模態模型量化版本，支持圖像文本到文本任務，適用於多種量化級別。
圖像生成文本 英語
Q
XelotX
201
1
Mobilevlm 3B
Apache-2.0
MobileVLM是一款專為移動設備設計的快速、強大的多模態視覺語言模型，支持高效的跨模態交互。
文本生成圖像 Transformers
M
mtgv
346
13
Mobilevlm 1.7B
Apache-2.0
MobileVLM是一款專為移動設備設計的輕量級多模態視覺語言模型，支持高效的圖像理解和文本生成任務。
文本生成圖像 Transformers
M
mtgv
647
15
Video LLaVA 7B
Apache-2.0
Video-LLaVA是一個通過投影前對齊學習統一視覺表徵的多模態模型，能夠同時處理圖像和視頻的視覺推理任務。
文本生成視頻 Transformers
V
LanguageBind
2,066
85
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