GanymedeNil/Qwen2-VL-7B

מה זה

אתם מעלים תמונה לקלט, כותבים שאלה קצרה בתיבת הטקסט ומקבלים ניתוח כתוב מהמודל. מאחורי הקלעים רץ המודל Qwen2-VL-7B-Instruct, שמיועד לעיבוד משולב של תמונה ושפה טבעית, והוא נטען ישירות דרך ספריית transformers.

הממשק כולל שדה בחירה של מודל, אבל בפועל יש בו רק אפשרות יחידה, כך שאין כאן מרחב תמרון אמיתי או השוואה בין גרסאות. אין דוגמאות מובנות בקוד, כך שאתם מגיעים לעמוד ריק וצריכים לספק את התמונות והשאלות שלכם לבד.

מתאים ל

• ניתוח תוכן בתמונה

  העלאת תמונה ושאילת שאלות על אובייקטים, מיקומים או פרטים שמופיעים בתוכה.

• קריאת טקסט מתמונה

  חילוץ כיתוב מתוך שלטים, מסמכים סרוקים או תמונות מסך באמצעות המודל.

• בדיקת יכולות המודל

  ניסוי מהיר של Qwen2-VL-7B כדי לראות אם הוא מתאים לפרויקט שלכם לפני שמתקינים אותו.

איפה זה נופל

הממשק מציג תפריט לבחירת מודל שנותן אשליה של גמישות, אבל בפועל יש בו רק דגם אחד. אין כאן אפשרות לעבד קובצי וידאו או רצף מסמכים, אלא רק תמונה בודדת ושאלה אחת בכל פעם, בלי שמירה על הקשר של שיחה מתמשכת.

איך משתמשים

גוררים תמונה לשדה המתאים, מקלידים שאלה ולוחצים על Submit. ההרצה משתמשת בהקצאת חומרה מסוג zero-a10g, מה שאומר שהמעבד הגרפי נכנס לפעולה רק ברגע הפנייה. זה חוסך משאבים אבל עשוי לגרום להמתנה קצרה של כמה שניות עד שהכרטיס מתעורר, במיוחד אם יש משתמשים נוספים ברקע.

הרישיון

הקוד מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי, העתקה ושינויים. הקוד עצמו לא שומר היסטוריה מקומית של התמונות שאתם מעלים או התשובות שנוצרות.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗