# 日語多模態

Llama-3-EvoVLM-JP-v2 是一款實驗性通用日語視覺語言模型，支持交錯輸入文本和圖像。該模型採用進化模型融合方法創建。

由LY Corporation開發的日語CLIP模型，基於約10億個網絡收集的圖像-文本對進行訓練，適用於多種視覺任務。

日語版本的CLIP模型，能夠將日語文本和圖像映射到相同的嵌入空間，適用於零樣本圖像分類、文本-圖像檢索等任務。

由rinna株式會社訓練的日語CLOOB（對比留一增強）模型，用於圖像與文本的跨模態理解

由rinna株式會社訓練的日語CLIP模型，支持日語文本與圖像的對比學習

這是一個適用於日語的CLIP文本/圖像編碼器模型，通過蒸餾技術將英語版CLIP模型轉換為日語版本。