一個基于深度學習的圖像和視頻描述模型。

Aya Vision 32B 是一個支持多語言的視覺語言模型，適用于OCR、圖像描述、視覺推理等多種用途。

SmolVLM-500M 是一個輕量級多模態模型，能夠處理圖像和文本輸入并生成文本輸出。

8億參數的多語言視覺語言模型，支持OCR、圖像描述、視覺推理等功能

小型高效的視覺語言模型，讓資源有限的研究者和開發者也能輕松使用先進的視覺語言功能。

PaliGemma 2是一個強大的視覺-語言模型，支持多種視覺語言任務。

PaliGemma 2是一款強大的視覺-語言模型，支持多種語言的圖像和文本處理任務。

自動化為網站圖片生成描述性文本

多模態大型語言模型，提升視覺和語言的綜合理解能力

多模態大型語言模型，提升視覺與語言的交互能力。