# 多模態文本生成

Vintern-1B-v3_5是一個10億參數的視覺語言模型，支持圖像文本生成任務。

這是一個基於Mistral-Small-3.1-24B-Instruct-2503的視覺增強版本，支持圖像文本生成文本任務。

基於OpenVINO優化的Gemma 3 4B參數模型，支持文本到文本及視覺文本推理

Gemma是Google推出的輕量級先進開放模型系列，基於與Gemini相同技術構建，支持多模態輸入和文本生成。

基於Meta Llama基礎模型構建的圖像文本到文本轉換模型，支持通過gguf-connector和llama-cpp-python進行交互。

Gemma 3是Google推出的輕量級開源模型系列，基於Gemini技術構建，支持多模態輸入和文本輸出。

Gemma是谷歌推出的輕量級尖端開放模型家族，基於與Gemini模型相同的研究和技術構建。1B版本為預訓練基礎模型，採用量化感知訓練（QAT）的GGUF格式。

Gemma-3-4b-it-GGUF 是對 Google 的 Gemma-3-4b-it 模型進行量化處理的版本，使其能在 LlamaEdge 上運行，適用於圖像文本到文本的轉換任務。

基於Qwen2-VL-7B模型的微調版本，使用Unsloth和Huggingface TRL庫進行訓練，推理速度提升2倍。

Llama 2 是 Meta 開發的一系列開源大語言模型，支持多種自然語言處理任務。

ko-deplot是基於谷歌Pix2Struct架構的韓語視覺問答模型，通過微調Deplot模型訓練而成，支持韓語和英語的圖表圖像問答任務。