Aya Vision 8B

8亿参数的多语言视觉语言模型，支持OCR、图像描述、视觉推理等功能

普通产品图像多语言视觉语言模型

CohereForAI的Aya Vision 8B是一个8亿参数的多语言视觉语言模型，专为多种视觉语言任务优化，支持OCR、图像描述、视觉推理、总结、问答等功能。该模型基于C4AI Command R7B语言模型，结合SigLIP2视觉编码器，支持23种语言，具有16K上下文长度。其主要优点包括多语言支持、强大的视觉理解能力以及广泛的适用场景。该模型以开源权重形式发布，旨在推动全球研究社区的发展。根据CC-BY-NC许可协议，用户需遵守C4AI的可接受使用政策。

Best AI Websites & Tools

Aya Vision 8B

Aya Vision 8B 最新流量情况

Aya Vision 8B 访问量趋势

Aya Vision 8B 访问地理位置分布

Aya Vision 8B 流量来源

Aya Vision 8B 替代品

Aya Vision 32B — Aya Vision 32B 是一个支持多语言的视觉语言模型，适用于OCR、图像描述、视觉推理等多种用途。

Ollama OCR for web — 一个强大的OCR包，使用最先进的视觉语言模型提取图像中的文本。

Image/Manga Translator — 一键翻译各类图片内文字

Awesome DeepSeek Integration — DeepSeek API与各种流行软件的集成，帮助开发者和用户快速接入DeepSeek能力。

SigLIP2 — SigLIP2 是谷歌推出的一种多语言视觉语言编码器，用于零样本图像分类。

FireRedASR-AED-L — 开源工业级自动语音识别模型，支持普通话、方言和英语，性能卓越。

R1-V — 低成本强化视觉语言模型的泛化能力，仅需不到3美元。

Mistral-Small-24B-Instruct-2501 — Mistral Small 24B 是一款多语言、高性能的指令微调型大型语言模型，适用于多种应用场景。

PengChengStarling — PengChengStarling 是一个基于 icefall 项目的多语言自动语音识别（ASR）模型开发工具包。

YuE-s1-7B-anneal-en-cot — YuE是一个开源的音乐生成模型，能够将歌词转化为完整的歌曲。

Kokoro TTS — 一款基于StyleTTS 2架构的先进AI文本转语音模型，拥有8200万参数，提供高质量的自然语音合成。

SmolVLM-500M-Instruct — SmolVLM-500M 是一个轻量级多模态模型，能够处理图像和文本输入并生成文本输出。

DeepSeek-R1-Distill-Llama-8B — DeepSeek-R1-Distill-Llama-8B 是一个高性能的开源语言模型，适用于文本生成和推理任务。

Reactive Resume — 一个免费开源的简历生成器，简化简历创建、更新和分享过程。

QwQ-32B-Preview-gptqmodel-4bit-vortex-v3 — 这是一个基于Qwen2.5-32B模型的4位量化版本，专为高效推理和低资源部署设计。

Moondream AI — 开源的视觉语言模型，可在多种设备上运行。

RWKV-6 Finch 7B World 3 — 开源AI模型，具有7B参数和3.1T训练令牌

SmolVLM — 高效开源的视觉语言模型

llama-ocr — 免费 npm 库，用 Llama 3.2 Vision 进行 OCR，输出 markdown 文本

Datalab.to — 先进的文档智能AI模型，开源易用。

Tele-FLM-1T — 1T开源多语言大型语言模型

Llama 3.1 — 最前沿的开源AI模型，支持多语言和高级功能。

RapidOCR — 快速、多语言支持的OCR工具包

CodeGeeX4-ALL-9B — 开源的多语言代码生成模型

ChatTTS.com — 自然对话场景下的文字转语音模型

Cohere Aya — 多语言AI模型，支持101种语言。

Chat GPT 4o — 免费向GPT 4o问任何问题并得到答案

Falcon 2 — Falcon 2 是一款开源、多语言、多模态的模型，具备图像到文本转换能力。

VILA — 一个多图像视觉语言模型，具有训练、推理和评估方案，可从云端部署到边缘设备（如Jetson Orin和笔记本电脑）。