🌔 moondream

一个轻量级视觉语言模型，性能出色且随处可运行

官网 | 演示

示例

图片	示例
	女孩在做什么？ 女孩正坐在桌边吃一个大汉堡。 女孩的头发是什么颜色？ 女孩的头发是白色的。
	这是什么？ 这是一个计算机服务器机架，用于存储和管理多台计算机服务器的设备。机架内装有多台计算机服务器，每台服务器都有自己专用的空间和电源。服务器通过多根电缆连接到机架，表明它们是更大系统的一部分。机架放置在地毯上，附近有一张沙发，暗示这个设置位于生活或娱乐区域。 架子后面是什么？ 架子后面是一面砖墙。

关于

Moondream 是一个高效的开源视觉语言模型，它结合了强大的图像理解能力和极小的模型体积。该模型设计灵活且易于使用，能够在广泛的设备和平台上运行。

项目提供两种模型变体：

• Moondream 2B：主要模型，拥有 20 亿参数，为图像描述、视觉问答和物体检测等通用图像理解任务提供稳健性能。
• Moondream 0.5B：紧凑的 5 亿参数模型，专门针对边缘设备作为蒸馏目标进行优化，可在资源受限的硬件上高效部署，同时保持出色的能力。

如何使用

Moondream 可以在本地或云端运行。详情请参阅快速入门页面。

特别感谢

• Modal - Modal 让你只需编写几行 Python 代码即可在云端运行任务。这里有一个如何在 Modal 上运行 Moondream 的示例。