阿里云开源通义千问视觉语言模型Qwen-VL 具备多模态信息理解能力

阿里云旗下魔搭社区（ModelScope）宣布开源视觉语言模型Qwen-VL。

据介绍，Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发，支持图文输入，具备多模态信息理解能力。

相比之前的模型，Qwen-VL 新增了视觉定位、图像中文字理解等功能，可以接受图像和多语言文本作为输入，并输出图像或文本。

目前，该模型在魔搭社区上线，开源了 Qwen-VL 和 Qwen-VL-Chat 两个模型。

Qwen-VL-Chat 可以用于快速搭建具备多模态能力的对话应用。用户可以通过安装依赖项和模型推理的步骤来使用该模型。模型还支持微调和微调后推理，通过微调可以改进模型的性能。该模型的推理速度快，资源消耗相对较低。

Qwen-VL-Chat

模型链接:https://modelscope.cn/models/qwen/Qwen-VL-Chat

Qwen-VL

模型链接:https://modelscope.cn/models/qwen/Qwen-VL