Aya Vision 32B

Aya Vision 32B é um modelo de linguagem visual multilíngue, adequado para OCR, descrição de imagens, raciocínio visual e outras finalidades.

Produto ComumImagemMultilíngueLinguagem Visual

Abrir Site

Aya Vision 32B é um modelo de linguagem visual avançado desenvolvido pela Cohere For AI, com 320 bilhões de parâmetros, suportando 23 idiomas, incluindo inglês, chinês, árabe, etc. O modelo combina o mais recente modelo de linguagem multilíngue Aya Expanse 32B e o codificador visual SigLIP2, através de um adaptador multimodal para alcançar a combinação de compreensão visual e linguagem. Ele apresenta um desempenho excelente na área de linguagem visual, podendo lidar com tarefas complexas de imagem e texto, como OCR, descrição de imagens e raciocínio visual. O lançamento deste modelo visa promover a popularização da pesquisa multimodal, e seus pesos abertos fornecem uma ferramenta poderosa para pesquisadores globais. Este modelo segue a licença CC-BY-NC e deve cumprir a política de uso razoável da Cohere For AI.

Best AI Websites & Tools

Aya Vision 32B

Aya Vision 32B Situação do Tráfego Mais Recente

Aya Vision 32B Tendência de Visitas

Aya Vision 32B Distribuição Geográfica das Visitas

Aya Vision 32B Fontes de Tráfego

Aya Vision 32B Alternativas

Aya Vision 32B — Aya Vision 32B é um modelo de linguagem visual multilíngue, adequado para OCR, descrição de imagens, raciocínio visual e outras finalidades.

Kokoro TTS — Modelo avançado de texto para fala (TTS) baseado na arquitetura StyleTTS 2, com 82 milhões de parâmetros, oferecendo síntese de fala natural e de alta qualidade.

SmolVLM-500M-Instruct — SmolVLM-500M é um modelo multimodal leve que processa entradas de imagem e texto e gera saídas de texto.

Ollama OCR para Web — Um poderoso pacote OCR que utiliza modelos de linguagem visual de última geração para extrair texto de imagens.

RapidOCR — Conjunto de ferramentas OCR rápido e com suporte para múltiplos idiomas

Cohere Aya — Modelo de IA multilíngue, com suporte para 101 idiomas.

Tradutor de Imagens/Mangás — Traduz texto de imagens de todos os tipos com apenas um clique.

l1m — Uma API proxy usada para extrair dados estruturados de texto e imagens, implementada com base em LLMs.

Modelo de Incorporação de Texto Gemini Embedding — Gemini Embedding é um modelo de incorporação de texto avançado que fornece poderosas habilidades de compreensão de linguagem por meio da API Gemini.

AoT — Atom of Thoughts (AoT) é um framework usado para melhorar o desempenho de inferência de modelos de linguagem grandes.

CocoIndex — O CocoIndex é um mecanismo de indexação de dados de código aberto que suporta lógica de conversão personalizada e atualizações incrementais.

Hugo Translator — Outil de traduction d'articles basé sur les LLM, traduisant et créant automatiquement des fichiers Markdown multilingues.

Chikka.ai — Chikka.ai é um produto que utiliza tecnologia de IA para realizar entrevistas com clientes e extrair insights profundos.

Spark-TTS — Spark-TTS é um modelo de síntese de voz de fluxo único desacoplado eficiente baseado em modelos de linguagem grandes.

Aya Vision 8B — 8億パラメーターの多言語視覚言語モデルで、OCR、画像キャプション、視覚推論などの機能をサポートしています。

Aya Vision — Aya Vision é um modelo de visão multimodal multilíngue lançado pela Cohere, com o objetivo de melhorar a capacidade de compreensão visual e textual em cenários multilíngues.

Gravadora de Áudio — A Gravadora de Áudio é uma ferramenta de transcrição de áudio e vídeo rápida, precisa e eficiente.

Llasa — Modelo básico de TTS baseado na estrutura Llama, compatível com 160.000 horas de dados de voz tokenizados.

LLaDA — LLaDA é um modelo de difusão de linguagem em larga escala, com capacidade de geração de linguagem poderosa, comparável ao desempenho do LLaMA3 8B.

llm-commit — Un plugin pour générer des messages de commit Git avec un LLM

Ant Design X Vue — Ant Design X Vue é uma solução de interface de IA baseada em Vue, dedicada a criar uma experiência de produto de IA excepcional.

Deep Research Web UI — Um assistente de pesquisa com tecnologia de IA que suporta o DeepSeek R1, combinando mecanismos de busca, web crawlers e modelos de linguagem grandes para pesquisas profundas.

Assistente de tradução inteligente — Solução de tradução multilíngue completa, suporta tradução de texto, imagem, PDF, voz e vídeo

Phind.com — Phind é uma ferramenta de busca de inteligência artificial avançada que oferece suporte multilíngue e múltiplos recursos de busca.

ElevenLabs Scribe — O Scribe é o modelo de voz para texto mais preciso do mundo, com suporte para 99 idiomas.

SWE-RL — Amélioration des capacités de raisonnement des grands modèles de langage dans l'évolution des logiciels open source grâce à l'apprentissage par renforcement

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.

Wan2.1 — O Wan2.1 é um modelo de geração de vídeo em larga escala, avançado e de código aberto, que suporta diversas tarefas de geração de vídeo.

TableGPT2-7B — TableGPT2-7B é um modelo de linguagem de grande porte focado no processamento de dados tabulares, ideal para análise de dados e tarefas de inteligência de negócios.

SigLIP2 — O SigLIP2 é um codificador visual de linguagem multilíngue lançado pelo Google, usado para classificação de imagens de amostra zero.