# 多语言图像描述

Llama-3.2-11B-Vision-Instruct 是一个支持多语言的视觉-语言模型，可用于图像文本到文本的转换任务。

PaliGemma 2是Google开发的升级版视觉语言模型，结合了Gemma 2的能力，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

一个基于transformers库的图像转文本模型，支持将图像内容转换为描述性文本。

PaliGemma是由Google开发的30亿参数轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入生成文本输出。

PaliGemma是一款多功能轻量级视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入并生成文本输出

PaliGemma是Google开发的轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言图像文本理解与生成。

PaliGemma是Google开发的轻量级视觉语言模型，结合图像理解和文本生成能力，支持多语言任务。