Gemini

Gemini多模态变换器，支持图像和音频解析

Gemini 多模态 Transformer 图像嵌入音频处理 Github 开源项目

Gemini项目实现了一个可处理文本、音频、图像和视频输入的多模态变换器，具备特殊解码功能来生成图像。其架构类似于Fuyu，但扩展至多种模态，并通过直接将图像嵌入输入变换器来处理。组件Codi也采用条件生成策略，初步实现图像嵌入，后续将集成音频和视频嵌入。

Gemini PDF - AI驱动的全能在线PDF处理平台

AI工具PDF处理安全签名文件转换编辑查看高级功能

Gemini PDF是一个AI驱动的在线PDF处理平台，提供多种免费工具。用户可以合并、分割、压缩PDF文件，转换Office文档为PDF，以及PDF转JPG等格式。平台还支持文档整理、签名加密和高级编辑功能，满足各种PDF处理需求。操作简单直观，为用户提供高效的PDF文档管理解决方案。

bge-multilingual-gemma2 - 基于Gemma 2架构的多语言文本嵌入模型

GithubHuggingfaceMTEB句子相似度多语言开源项目检索模型评估指标

bge-multilingual-gemma2是基于Gemma 2架构开发的多语言文本嵌入模型。该模型在MTEB NFCorpus、MSMARCO、FiQA2018等多个检索任务数据集上表现优异。它能有效处理多语言文本并生成高质量语义表示，适用于信息检索、句子相似度计算等自然语言处理任务。在MTEB FEVER数据集上，该模型的主要评分达90.38，展现出较强的检索能力。

gemma-2-2b-it-bnb-4bit - Gemma模型量化优化实现快速微调与内存高效管理

GemmaGithubHuggingfacetransformers开源项目机器学习模型模型微调模型量化

这是一个面向Gemma-2-2b模型的量化优化项目，集成了bitsandbytes和Unsloth技术，显著提升了模型微调效率并降低内存占用。项目通过Google Colab提供开箱即用的运行环境，支持一键式模型优化，并可将优化后的模型导出为GGUF格式或部署至vLLM平台。该方案特别适合资源受限环境下的模型优化需求。

gemini-android - 利用Google生成式AI与Stream Chat构建Jetpack Compose应用

Gemini AndroidGithubGoogle's Generative AIJetpack ComposeKotlin CoroutinesStream Chat SDK开源项目

该项目展示了在Android应用中整合Google生成式AI与Stream Chat SDK for Compose的方法。内容包括使用Jetpack Compose实现界面元素、通过Jetpack库如Hilt和AppStartup进行架构设计、使用Kotlin Coroutines处理后台任务、以及集成实时消息系统等。适合开发者了解Android架构、生成式AI技术和Gemini SDK的具体实现。

paligemma-3b-pt-896 - 轻量级视觉语言模型支持多种图像文本任务

GithubHuggingfacePaliGemma图像文本生成多语言支持开源项目微调模型视觉语言模型

PaliGemma是一个轻量级视觉语言模型,基于SigLIP视觉模型和Gemma语言模型构建。该模型可处理图像和文本输入并生成文本输出,支持多语言。PaliGemma在图像描述、视觉问答、文本识别等多种视觉语言任务中表现优异。经过大规模数据预训练后,可通过微调应用于特定视觉语言场景。

gill - 使用多模态语言模型的图像生成方法

CC3MGILLGithub图像生成多模态语言模型开源项目训练

GILL模型可处理交互的图像和文本输入以生成文本、检索图像及生成新图像。本文详细介绍了GILL模型的代码、预训练权重、环境设置、预训检查点和视觉嵌入的安装步骤。此外，还包括推理、训练及评估的指南，及启动Gradio演示的操作步骤。更多详情请参阅相关研究论文及项目页面。

gemma-2-9b-it-GGUF - AI语言模型量化版本满足多种硬件需求

GPU内存优化GithubHuggingfacegemma-2-9b-it开源项目文件格式转换机器学习模型模型量化

本项目提供Google Gemma 2 9B模型的多种量化版本，涵盖从高质量Q8_0到轻量级IQ2_M。详细介绍了各版本特点、文件大小和推荐用途，并附有下载使用指南。这些优化版本在保持性能的同时大幅减小体积，适配不同硬件和内存需求，使模型能在更多设备上运行。

git-base-coco - 应用于多任务的图像文本生成模型

COCOGITGithubHuggingface图像识别开源项目模型模型训练视觉问答

GIT是一种基于Transformer的图像文本生成模型，进行了COCO数据集的微调。其设计提升了在图像和视频描述以及问答上的能力。模型结合了CLIP图像令牌与文本令牌进行训练，能够有效预测下一个文本令牌。GIT被应用于图像和视频的标题生成、视觉问答和图像分类等视觉任务，利用大量图像文本对进行训练，实现了多样化的视觉语言任务，提升了视觉理解和交互的效果。

chrome-ai - 为Chrome浏览器内置Gemini Nano模型提供Vercel AI支持

Chrome AIGemini NanoGithubVercel AI嵌入模型开源项目语言模型

Chrome AI模块为Chrome内置的Gemini Nano模型提供Vercel AI支持，允许开发者通过多种API接口调用语言模型。此模块支持文本生成和嵌入功能，并适配多种模型和自定义设置。适用于Chrome开发版以及未来的正式发布版本。

paligemma-3b-mix-448 - 基于SigLIP和Gemma的多语言视觉语言模型

GithubHuggingfacePaliGemma图像处理多语言开源项目微调模型视觉语言模型

PaliGemma是一款基于SigLIP视觉模型和Gemma语言模型的视觉语言模型，采用3B参数的Transformer架构。该模型支持多语言输入输出，可用于图像描述、视觉问答和文本识别等任务。PaliGemma在多个大规模数据集上经过预训练，并通过严格的数据过滤确保了训练数据质量。模型适用于各类视觉语言任务的微调，在多项基准测试中展现了优异性能。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com