懂AI
LLaVA-pp

LLaVA-pp

结合先进模型的视觉能力扩展与演示

LLaVA-pp项目整合了Phi-3 Mini Instruct和LLaMA-3 Instruct模型，提升了视觉模型的能力。用户可通过Hugging Face Spaces和在线演示了解LLaMA-3-V和Phi-3-V的更新和结果。项目包含多种预训练及微调模型，支持学术任务和指令跟随应用。

LLaVA++LLaMA-3Phi-3MBZUAIHugging FaceGithub开源项目
GitHubHugging Face文档

项目介绍：LLaVA++ 项目

什么是 LLaVA++？

LLaVA++ 项目旨在通过整合 LLaMA-3（8B版本）和 Phi-3（3.8B版本）的能力来扩展视觉处理功能。项目的全称为“LLaVA++: Extending Visual Capabilities with LLaMA-3 and Phi-3”，目标是增强现有的 LLaVA 1.5 模型，这意味着开发团队致力于使视觉人工智能表现更为出色和全面。

项目更新

  • 最新演示发布：2024年4月30日，LLaMA-3-V 和 Phi-3-V 模型现已在 Hugging Face Spaces 上线，用户可通过指定链接访问这些演示。
  • 线上演示：2024年4月28日，两个模型的线上演示已发布。用户可以在线体验其强大功能。
  • 模型微调：项目中包含通过 LoRA 和其他技术进行完全微调的模型。
  • Google Colab 兼容性：可以在 Colab 平台上与 Phi-3-V-3.8B 模型互动，方便研究人员进行探索。

项目模型库

LLaVA++ 提供了一系列预训练和微调模型，包括：

  • Phi-3-mini-4k-instruct：这一系列模型在大量数据集上完成预训练和微调，提供不同层次的模型格式与权重。
  • Meta-Llama-3-8B-Instruct：大规模预训练模型，适用于需要高性能模型的应用场景，具有出色的指标表现。

每一个模型在 Hugging Face 的页面上都提供了链接以获取更多具体信息。

如何安装和使用

要使用 LLaVA++，用户需要克隆项目代码，并根据指南安装所需的库和更新：

git clone https://github.com/mbzuai-oryx/LLaVA-pp.git
cd LLaVA-pp
git submodule update --init --recursive

更新相关的 Python 包：

pip install git+https://github.com/huggingface/transformers@a98c41798cf6ed99e1ff17e3792d6e06a2ff2ff3

此外，还提供了具体的训练和微调命令，帮助用户定制和应用于自己的任务。

贡献与致谢

LLaVA++ 项目得到了 LLaVA 和其他开源评估工具的贡献。用户可以通过邮件联系开发团队获取进一步的技术支持和问题解答。项目同样欢迎贡献者参与改进和扩展此开源项目。

LLaVA++ 值得特别感谢各位开发者和贡献者，他们为这一前沿项目的推进提供了宝贵的支持与帮助。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手，复杂任务高效处理

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

下拉加载更多