AIbase
ZH
模型选型
标签
零样本图像描述

# 零样本图像描述

Internvl3 8B 6bit
其他
InternVL3-8B-6bit 是一个基于 MLX 格式转换的视觉语言模型，支持多语言图像文本到文本的任务。
图像生成文本 Transformers 其他
I
mlx-community
70
1
Qwen.qwen2.5 VL 32B Instruct GGUF
Qwen2.5-VL-32B-Instruct 是一个32B参数规模的多模态视觉语言模型，支持图像与文本的联合理解与生成任务。
图像生成文本
Q
DevQuasar
27.50k
1
Qwen2.5 VL 7B Instruct GGUF
Apache-2.0
Qwen2.5-VL-7B-Instruct 是一个多模态视觉语言模型，支持图像文本生成任务。
图像生成文本 英语
Q
samgreen
5,052
9
Qwen2 VL 7B Instruct Onnx
Apache-2.0
这是一个基于Qwen2-VL架构的7B参数规模的视觉语言模型，支持图像理解和指令交互。
文本生成图像 Transformers
Q
pdufour
47
4
Mblip Bloomz 7b
MIT
mBLIP是一个多语言视觉-语言模型，基于BLIP-2架构，支持96种语言的图像描述生成和视觉问答任务。
图像生成文本 Transformers 支持多种语言
M
Gregor
21
1
Mblip Mt0 Xl
MIT
mBLIP是一个多语言视觉-语言模型，基于BLIP-2架构，支持96种语言的图像描述生成和视觉问答任务。
图像生成文本 Transformers 支持多种语言
M
Gregor
374
14
Blip2 Opt 6.7b Coco
MIT
BLIP-2是一种视觉语言模型，结合了图像编码器和大型语言模型，用于图像到文本生成和视觉问答任务。
图像生成文本 Transformers 英语
B
Salesforce
216.79k
33
AIbase
智启未来，您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase