Alibaba
Qwen-VL-OCR
Qwen-VL をベースに訓練された視覚理解・OCR モデルで、統一モデルを使用して画像とテキストの認識、解析、処理タスクを扱う。このバージョンは 2025 年 4 月 13 日のスナップショット。(docs.bailian.console.aliyun.com) 汎用認識、文書解析、表解析、情報抽出、多言語認識、数式認識の 6 種類のタスクを内蔵。文書、表、その他の画像から文字情報を抽出・整理す…
モデルを見る日本語
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
Qwen-VL をベースに訓練された視覚理解・OCR モデルで、統一モデルを使用して画像とテキストの認識、解析、処理タスクを扱う。このバージョンは 2025 年 4 月 13 日のスナップショット。(docs.bailian.console.aliyun.com) 汎用認識、文書解析、表解析、情報抽出、多言語認識、数式認識の 6 種類のタスクを内蔵。文書、表、その他の画像から文字情報を抽出・整理す…
Tencentが発表した3Dコンテンツ生成モデルで、高精度かつテクスチャ付きの3Dアセットを作成するクリエイターや開発者を対象とする。技術レポートでは、形状生成とテクスチャ生成の2段階のプロセスを採用した3D拡散モデル体系と説明されている。(arxiv.org) テキストプロンプトまたは画像からの3Dモデル生成に対応し、複数の視点からの画像を使用したモデルおよびPBRマテリアルの生成にも対応する。…