PicQ

מה זה

הממשק מבוסס על שדות פשוטים. אתם מעלים קובץ תמונה, מקלידים שאלה בתיבת טקסט, ומקבלים תשובה כתובה ישירות בחלון הפלט. יש שם גם כפתור להעתקת התוצאה בלחיצה אחת.

מאחורי הקלעים רץ המודל MiniCPM-o 4.5 לצד MiniCPM-V. לפי התיאור בקוד, המודל הזה מתמחה בעיבוד רב-מצבי שכולל ראייה ושפה, ומיועד להבין את פרטי התמונה ולענות עליהם בשפה טבעית. הממשק כולל דוגמאות מובנות מראש עם מטמון מוכן, כך שאפשר לראות איך הוא מגיב בלי להעלות קובץ משלכם.

מתאים ל

• ניתוח מסמכים ותרשימים

  מעלים צילום של גרף או שלט ושואלים שאלות ממוקדות לגבי הנתונים שמופיעים בהם.

• זיהוי פריטים בתמונה

  שואלים מה נמצא במיקום מסוים בפריים כדי לבדוק את רמת הדיוק של המודל בפרטים קטנים.

• השוואת פרמטרים של יצירה

  משנים את מדדי ה־Top P והטמפרטורה כדי לראות איך ההגדרות משפיעות על איכות הניסוח.

איפה זה נופל

למרות שהתיאור מזכיר יכולות של קול והזרמת וידאו במודל המקורי, הממשק הנוכחי מוגבל לתמונות סטילס ולטקסט בלבד. אין כאן שום תמיכה באודיו או בשידור חי.

השליטה במדדים כמו טמפרטורה יכולה לבלבל, וערכים לא נכונים יניבו תשובות מומצאות או חזרתיות. בנוסף, חומרת zero משתפת משאבים, כך שבזמני עומס התשובה עלולה להתעכב.

איך משתמשים

טוענים תמונה, כותבים את השאלה ולוחצים על Submit. אם רוצים לשלוט על היצירתיות או אורך הפלט, אפשר לכוונן סליידרים של טמפרטורה, Top P, Top K ומספר טוקנים מקסימלי שמגיע עד 4096.

היישום רץ על חומרת zero-a10g, מה שאומר שהעיבוד עצמו מקבל האצת חומרה סבירה כשהשרת פעיל. עם זאת, אם המכונה נרדמת בין שימושים, תצטרכו להמתין כמה רגעים עד שהיא תתעורר ותטען את המודל.

הרישיון

הקוד מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי ופתוח בקוד עצמו. לגבי התמונות והשאלות שאתם שולחים, הן עוברות דרך השרת של המרחב כדי לייצר את התשובה, לכן עדיף לא להעלות לשם תמונות פרטיות או רגישות.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗