本文へスキップ

Aya Vision 32B

公開の重みを持つ多言語の視覚言語モデル

公式サイトを見る

Aya Vision 32B とは

本モデルは画像を入力に取り文章を出力する多言語の視覚言語モデルと説明されている。

できること

  • 画像の入力から文章を生成する
  • Hugging Face Space で対話を試す
  • WhatsApp を通じてやり取りする

導入の手順

  • 必要な transformers ライブラリを入れる
  • モデルとプロセッサを読み込む
  • 画像と文章の入力データを用意する

長所と短所

✓ 良い点

  • 研究者向けに重みが公開される
  • OCR・画像説明・視覚推理が挙がる

! 注意したい点

  • モデルは CC-BY-NC ライセンスに従う
  • 利用は Cohere For AI の使用ポリシーに沿う

よくある質問

対応言語は?

資料は 23 言語への対応と説明。

文脈の長さは?

資料は 16K の文脈長を挙げる。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法