AIbase

Phi 3 Vision 128k Instruct
Phi 3 Vision 128k Instruct
该模型面向广泛的商业和研究用途，特别是在需要视觉和文本输入能力的通用AI系统和应用程序中，适用于内存/计算受限环境、延迟受限场景、通用图像理解、OCR、图表和表格理解等。
AI模型AI图像生成#多模态#高质量#推理#视觉#文本优质新品商用
总访问量： 885,397
占比最多地区： US(30.61%)
2,112
产品介绍
网站流量
同类开源产品
替代品
简介
Phi-3 Vision是一个轻量级、最先进的开放多模态模型，基于包括合成数据和经过筛选的公开可用网站在内的数据集构建，专注于文本和视觉的非常高质量的推理密集数据。该模型属于Phi-3模型家族，多模态版本支持128K上下文长度（以token计），经过严格的增强过程，结合了监督微调和直接偏好优化，以确保精确的指令遵循和强大的安全措施。
截图
产品特色
4.2B参数，包含图像编码器、连接器、投影器和Phi-3 Mini语言模型。
支持文本和图像输入，最适合使用聊天格式的提示。
上下文长度为128K tokens。
使用512 H100-80G GPU进行训练，训练时间为1.5天。
训练数据包含5000亿视觉和文本token。
输出为针对输入生成的文本。
模型训练日期为2024年2月至4月。
模型为静态模型，训练截止日期为2024年3月15日。
使用教程
1. 访问Azure AI模型库并选择Phi-3-vision-128k-instruct模型。
2. 根据需要进行模型的下载或部署。
3. 准备输入数据，包括文本和图像。
4. 设置模型参数，例如温度和最大新token数。
5. 将输入数据传递给模型并接收输出。
6. 分析模型输出，根据应用场景进行进一步处理。
流量来源
直接访问52.29%外链引荐18.53%邮件0.05%
自然搜索27.73%社交媒体1.17%展示广告0.22%
最新流量情况
月访问量
885.19k
平均访问时长
392.03
每次访问页数
7.22
跳出率
27.35%
总流量趋势图
地理流量分布情况
美国
30.61%
日本
17.24%
印度
10.05%
英国
5.16%
中国
4.02%
地理流量分布全球图
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k