CogVLM2-Llama3- Chinese-Chat-19B をオンラインで実行する

モデル紹介

前世代の CogVLM オープン ソース モデルと比較して、CogVLM2 シリーズのオープン ソース モデルには次の改良点があります。

• TextVQA、DocVQA などの多くのベンチマークが大幅に改善されました。
• 8K コンテンツの長さをサポートします。
• 最大 1344*1344 の画像解像度をサポートします。
• 中国語と英語をサポートするオープンソース モデル バージョンが提供されます。

実行メソッド

1. 新しいターミナルページを開く
2. コマンドを入力してください

cd CogVLM2/basic_demo
chainlit run web_demo.py --port 8080

プログラムを実行する

3. 右側の API アドレスをコピーし、ブラウザで開きます。 
4. 以下をクリックして画像をアップロードし、テキストプロンプトを入力してください

5. Enter を押して回答を生成します