使用场景

在 Cohere Playground 中使用 Aya Vision 32B 进行图像描述

通过 Hugging Face Space 与模型进行交互式对话

使用模型进行多语言的 OCR 任务

产品特色

支持 23 种语言，覆盖多种语言场景

能够处理图像输入并生成文本输出

支持 16K 上下文长度，适合复杂任务

提供交互式体验，如 Cohere Playground 和 Hugging Face Space

可通过 WhatsApp 与模型进行聊天交互

使用教程

安装必要的 transformers 库：`pip install 'git+https://github.com/huggingface/transformers.git@v4.49.0-AyaVision'`

加载模型和处理器：`AutoProcessor.from_pretrained(model_id)` 和 `AutoModelForImageTextToText.from_pretrained(model_id)`

准备输入数据，包括图像和文本内容

使用 `processor.apply_chat_template` 方法格式化输入数据

调用模型的 `generate` 方法生成输出文本

解码生成的 token 并获取最终结果