vdr-2b-multi-v1

Modelo de incrustación multilingüe para la recuperación de documentos visuales.

Producto ComúnImagenMultilingüeRecuperación de documentos visuales

vdr-2b-multi-v1 es un modelo de incrustación multilingüe lanzado por Hugging Face, diseñado específicamente para la recuperación de documentos visuales. Este modelo puede codificar capturas de pantalla de páginas de documentos en representaciones vectoriales densas, permitiendo la búsqueda y consulta de documentos visuales ricos en múltiples idiomas sin necesidad de OCR o procesos de extracción de datos. Desarrollado a partir de MrLight/dse-qwen2-2b-mrl-v1 y entrenado con un conjunto de datos de pares consulta-imagen multilingüe propio, es una versión mejorada de mcdse-2b-v1, con un rendimiento más potente. El modelo admite italiano, español, inglés, francés y alemán, cuenta con un conjunto de datos de entrenamiento sintético multilingüe de código abierto con 500.000 muestras de alta calidad, y se caracteriza por su bajo consumo de VRAM y su rápida inferencia, destacándose en la recuperación translingüística.

Admite la recuperación de documentos en varios idiomas (italiano
español
inglés
francés y alemán)
Bajo consumo de VRAM e inferencia rápida; la velocidad de inferencia es 3 veces más rápida que la del modelo base
con un consumo de VRAM menor
Potente capacidad de recuperación translingüística; permite la búsqueda de documentos en diferentes idiomas
Emplea aprendizaje de representación Matryoshka
lo que reduce el tamaño del vector en 3 veces manteniendo el 98% de la calidad de la incrustación
Integración directa con SentenceTransformers y LlamaIndex para una fácil generación de incrustaciones

Ideal para usuarios que necesitan recuperar documentos visuales en varios idiomas
como investigadores
analistas empresariales y creadores de contenido
especialmente en entornos con diversidad lingüística para encontrar información de documentos de forma rápida y precisa.

Los investigadores pueden utilizar este modelo para recuperar rápidamente gráficos y contenido clave de publicaciones académicas en diferentes idiomas.
Los analistas empresariales pueden buscar datos visualizados y resultados de análisis en informes del sector en varios idiomas.
Los creadores de contenido pueden encontrar fácilmente material de inspiración y referencias en documentos multilingües.

1. Instale las bibliotecas llama-index-embeddings-huggingface o sentence-transformers mediante pip.
2. Importe la clase de modelo correspondiente
como HuggingFaceEmbedding o SentenceTransformer.
3. Cree una instancia del modelo
especificando el nombre del modelo y otros parámetros

Abrir sitio web

vdr-2b-multi-v1 Situación del tráfico más reciente

Total de visitas mensuales

29742941

Tasa de rebote

44.20%

Páginas promedio por visita

5.9

Duración promedio de la visita

00:04:44

vdr-2b-multi-v1 Tendencia de visitas

vdr-2b-multi-v1 Distribución geográfica de las visitas

vdr-2b-multi-v1 Fuentes de tráfico

vdr-2b-multi-v1 Alternativas

vdr-2b-multi-v1 — Modelo de incrustación multilingüe para la recuperación de documentos visuales.

Imagen

•Multilingüe•Recuperación de documentos visuales

voyage-3-large — Modelo de incrustación universal multilingüe de última generación, con un rendimiento excepcional en múltiples campos.

Programación

•Inteligencia Artificial•Modelo de Incrustación

180

Modelo de incrustación de texto Gemini Embedding — Gemini Embedding es un modelo de incrustación de texto avanzado que proporciona una potente capacidad de comprensión del lenguaje a través de la API de Gemini.

Programación

•Incrustación de texto•Procesamiento del lenguaje natural

Best AI Websites & Tools

vdr-2b-multi-v1

vdr-2b-multi-v1 Situación del tráfico más reciente

vdr-2b-multi-v1 Tendencia de visitas

vdr-2b-multi-v1 Distribución geográfica de las visitas

vdr-2b-multi-v1 Fuentes de tráfico

vdr-2b-multi-v1 Alternativas

vdr-2b-multi-v1 — Modelo de incrustación multilingüe para la recuperación de documentos visuales.

voyage-3-large — Modelo de incrustación universal multilingüe de última generación, con un rendimiento excepcional en múltiples campos.

Modelo de incrustación de texto Gemini Embedding — Gemini Embedding es un modelo de incrustación de texto avanzado que proporciona una potente capacidad de comprensión del lenguaje a través de la API de Gemini.

Traductor Hugo — Herramienta de traducción de artículos basada en LLM, que traduce automáticamente y crea archivos Markdown multilingües.

Chikka.ai — Chikka.ai es un producto que utiliza la tecnología de IA para realizar entrevistas con clientes y extraer información valiosa.

Spark-TTS — Spark-TTS es un modelo de síntesis de voz de flujo único desacoplado y eficiente basado en modelos de lenguaje grandes.

Aya Vision 32B — Aya Vision 32B es un modelo de lenguaje visual multilingüe, adecuado para OCR, descripción de imágenes, razonamiento visual y otros usos.

Aya Vision 8B — Modelo de lenguaje visual multilingüe de 800 millones de parámetros, compatible con OCR, descripción de imágenes, razonamiento visual, etc.

Aya Vision — Aya Vision es un modelo de visión multimodal multilingüe lanzado por Cohere, diseñado para mejorar la comprensión visual y de texto en escenarios multilingües.

Grabación de audio — Grabación de audio es una herramienta de transcripción de audio y video rápida, precisa y fluida.

Llasa — Modelo base de TTS basado en el framework Llama, compatible con 160.000 horas de datos de voz tokenizados.

LLaDA — LLaDA es un modelo de difusión de lenguaje a gran escala que cuenta con una potente capacidad de generación de lenguaje, comparable al rendimiento de LLaMA3 8B.

Deep Research Web UI — Un asistente de investigación impulsado por IA que admite DeepSeek R1, que combina motores de búsqueda, rastreadores web y modelos de lenguaje extenso para una investigación profunda.

Asistente de Traducción Inteligente — Solución de traducción multilingüe integral, compatible con la traducción de texto, imágenes, PDF, voz y vídeo

Phind.com — Phind es una herramienta de búsqueda de inteligencia artificial avanzada que admite múltiples idiomas y funciones de búsqueda.

ElevenLabs Scribe — Scribe es el modelo de voz a texto más preciso del mundo, compatible con 99 idiomas.

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.

Integración Impresionante de DeepSeek — La integración de la API de DeepSeek con diversos softwares populares ayuda a desarrolladores y usuarios a acceder rápidamente a las capacidades de DeepSeek.

SigLIP2 — SigLIP2 es un codificador visual de lenguaje multilingüe lanzado por Google para la clasificación de imágenes de cero disparos.

CLaMP 3 — CLaMP 3 es un marco unificado para la recuperación de información musical multimodal y multilingüe.

Supertone Play — Plataforma que ofrece clonación de voz y creación de contenido de voz con IA.

Step-Audio — Step-Audio es un framework de interacción de voz inteligente de código abierto que admite conversaciones multilingües, modulación emocional y clonación de voz.

FireRedASR-AED-L — Modelo de reconocimiento automático del habla (ASR) industrial de código abierto, compatible con mandarín, dialectos chinos e inglés, con un rendimiento excepcional.

Zonos-v0.1-híbrido — Zonos-v0.1-híbrido es un modelo de texto a voz (TTS) de código abierto líder que ofrece servicios de síntesis de voz de alta calidad.

FastTrackr AI — Herramienta de productividad impulsada por IA que ayuda a los usuarios a automatizar el procesamiento de reuniones, correos electrónicos y recordatorios.

Pitch Avatar.com — Herramienta de demostración y ventas interactiva impulsada por IA que mejora la tasa de conversión de contenido y la participación del usuario.

Mistral-Small-24B-Instruct-2501 — Mistral Small 24B es un modelo lingüístico grande (LLM) multi-idioma, de alto rendimiento y ajustado con instrucciones, adecuado para diversas aplicaciones.

PengChengStarling — PengChengStarling es un kit de herramientas de desarrollo de modelos de Reconocimiento Automático del Habla (RAH) multilingüe basado en el proyecto icefall.

Traductor AI de Molino de Viento — Traductor AI de Molino de Viento se especializa en servicios de traducción multimodal, incluyendo traducción de imágenes y videos, y recorte inteligente de imágenes, facilitando la expansión comercial internacional.

Kokoro TTS — Un modelo avanzado de texto a voz (TTS) basado en la arquitectura StyleTTS 2, con 82 millones de parámetros, que ofrece una síntesis de voz natural y de alta calidad.