Smolvlm2 2.2B Instruct I1 GGUF
SmolVLM2-2.2B-Instruct 是一个2.2B参数规模的视觉语言模型,专注于视频文本到文本任务,支持英语。
下载量 285
发布时间 : 4/25/2025
模型简介
该模型是一个量化版本的视觉语言模型,基于多个视频和文本数据集训练,适用于视频内容理解和生成任务。
模型特点
多数据集训练
模型基于多个高质量视频和文本数据集训练,包括the_cauldron、Docmatix、LLaVA-OneVision-Data等。
量化版本多样
提供多种量化版本,从极低质量的IQ1_S到高质量的Q6_K,满足不同硬件和性能需求。
视频理解能力
专注于视频内容的理解和文本生成,适用于视频字幕生成、视频内容分析等任务。
模型能力
视频内容理解
文本生成
视频字幕生成
多模态推理
使用案例
视频内容分析
视频字幕生成
为视频内容生成描述性字幕
视频内容摘要
从视频中提取关键信息并生成摘要
教育
教育视频讲解
为教育视频生成讲解文本
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98