本文へスキップ

Aya Vision 8B

OCR と質疑に応じる多言語の視覚言語モデル

公式サイトを見る

Aya Vision 8B とは

本モデルは CohereForAI による多言語の視覚言語モデルと紹介され、C4AI Command R7B と SigLIP2 の視覚エンコーダに基づき OCR・画像説明・視覚推論を扱う。

できること

  • 画像から文字を読み取り抽出する
  • 画像の内容を言葉で説明する
  • 視覚の内容について推論する

導入の手順

  • ソースからライブラリを導入する
  • AutoProcessor でモデルを読み込む
  • 生成のメソッドを呼び文章を出力する

長所と短所

✓ 良い点

  • 研究コミュニティ向けに重みが公開される
  • 画像とテキストの入力から文章を生成

! 注意したい点

  • 利用は CC-BY-NC と C4AI の利用方針に従う
  • 読み込みにはソースからのライブラリ導入が要る

よくある質問

対応言語は?

資料は中国語・英語・仏語など 23 言語と説明。

許諾の条件は?

資料は CC-BY-NC と C4AI の利用方針を挙げる。

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