Mini-Gemini

Modelo de IA multimodal, com capacidade de compreensão e geração de imagens.

Produto ComumProdutividadeModelo de IAProcessamento de imagens

Mini-Gemini é um modelo multimodal desenvolvido pela equipe do Professor Jia Jiajia, professor titular da Universidade Chinesa de Hong Kong. Possui capacidade precisa de compreensão de imagens e dados de treinamento de alta qualidade. O modelo combina raciocínio e geração de imagens, oferecendo versões em diferentes escalas, com desempenho comparável ao GPT-4 e DALL-E 3. O Mini-Gemini utiliza o método de mineração de informações de ramificação visual dupla do Gemini e a tecnologia SDXL, codificando imagens por meio de uma rede convolucional e utilizando o mecanismo de atenção para extrair informações, ao mesmo tempo em que vincula os dois modelos por meio da geração de texto por LLM.

Product Finder

Product Submit

AI Models Finder

MCP Servers

MCP Client

MCP Inspector

Case Tutorials

Latest AI News

AI Daily Brief

Mini-Gemini

Mini-Gemini Situação do Tráfego Mais Recente

Mini-Gemini Tendência de Visitas

Mini-Gemini Distribuição Geográfica das Visitas

Mini-Gemini Fontes de Tráfego

Mini-Gemini Alternativas

Modelo de Linguagem Multimodal Spirit LM — Modelo de linguagem multimodal que integra texto e fala.

Mini-Gemini — Modelo de IA multimodal, com capacidade de compreensão e geração de imagens.

Pixtral 12B — Primeiro modelo multimodal Mistral, suportando o processamento de tarefas mistas de imagem e texto.

Llama-3.2-11B-Vision — Modelo de linguagem grande multimodal, suporta processamento de imagem e texto.

Modelo de IA Xihu — Modelo multimodal com alta inteligência emocional e intelectual

Modelo Doubao — Modelo de linguagem multimodal desenvolvido pela ByteDance.

Instruct-Imagen — Modelo de geração de imagens multimodal

MouSi — Modelo de linguagem visual multimodal

Lumina-mGPT — Modelo autoregressivo multimodal, especializado em gerar imagens a partir de texto.

InternVL2_5-2B-MPO — Modelo de linguagem grande multimodal avançado

Editor de Imagens — Especialista em processamento de imagens online, resolvendo suas necessidades de edição de imagens de forma integrada.

Gerador de Imagens de IA — Gera imagens de anime de IA precisas.

pixtral-12b-240910 — Modelo de linguagem grande multimodal, suporta compreensão de imagens e texto.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct é um modelo básico multimodal leve desenvolvido pela Microsoft, que suporta entrada de texto, imagem e áudio.

voyage-multimodal-3 — Modelo de embedding multimodal que permite a busca perfeita de texto, imagens e capturas de tela.

Gerador de Legendas de Imagens — Gerador de IA, cria descrições de imagens rapidamente.

mPLUG-Owl3 — Modelo de linguagem grande multimodal que compreende sequências longas de imagens.

Stable Diffusion 3.5 Medium — Modelo de transformador de difusão multimodal baseado em texto para geração de imagens

MiniGemini — Modelo de linguagem grande multimodal que suporta a compreensão e geração simultâneas de imagens.

LongLLaVA — Modelo de linguagem de grande porte multimodal eficientemente escalável para 1000 imagens

LLaVA-Mini — LLaVA-Mini é um grande modelo multimodal que compreende imagens e vídeos com alta eficiência.

Fuyu-8B — Modelo multimodal pequeno, que suporta geração de imagens e texto

Série GLM-4 — Modelo de diálogo multimodal multilíngue de código aberto

InternVL2_5-1B — Modelo de linguagem de grande porte multimodal, suporta compreensão de imagens e texto

SpeechGPT — Modelo de linguagem multimodal

Deepin Visualizador de Imagens — Ferramenta de visualização de imagens integrada ao sistema operacional Deepin.

Pixtral Large — Modelo de IA multimodal de ponta, oferecendo compreensão de imagens e texto.

MiniCPM-V 2.6 — Modelo de linguagem multimodal de alto desempenho, adequado para compreensão de imagens e vídeos.

Ampliador de Imagens Inteligente — Ampliador inteligente de imagens PNG/JPG

Honeybee — Preditor de rede de modelo de linguagem multimodal