使用场景
在Cohere playground或Hugging Face Space中直接与模型进行交互式对话，体验其视觉语言能力。
通过WhatsApp与Aya Vision聊天，测试其多语言对话和图像理解能力。
使用模型进行图像中的文字识别（OCR），支持多种语言的文本提取。
产品特色
支持23种语言，包括中文、英文、法文等，覆盖多种语言场景
具备强大的视觉语言理解能力，可用于OCR、图像描述、视觉推理等任务
支持16K上下文长度，能够处理更长的文本输入和输出
可通过Hugging Face平台直接使用，提供详细的使用指南和示例代码
支持多种输入方式，包括图像和文本，生成高质量的文本输出
使用教程
1. 安装必要的库：从源代码安装transformers库，支持Aya Vision模型。
2. 导入模型和处理器：使用AutoProcessor和AutoModelForImageTextToText加载模型。
3. 准备输入数据：将图像和文本按照指定格式组织，使用处理器处理输入。
4. 生成输出：调用模型的generate方法，生成文本输出。
5. 使用pipeline简化操作：通过transformers的pipeline直接使用模型进行图像-文本生成任务。
