説明
LiquidAI d1-Omni-2Bは、テキスト、画像、音声入力を処理して、単一の前方パスで調整された回答を提供する高度な意思決定モデルです。LFM3-Omni-2Bアーキテクチャに基づいて構築されており、ゲーテッドショート畳み込みや注意メカニズムを含む24層を特徴とし、128Kトークンのコンテキスト長で動作します。このモデルは、英語、アラビア語、中国語などの複数の言語をサポートし、これらの言語のほとんどで音声機能を提供します。特に、コールや音声メッセージのルーティング、音声イベント検出など、音声入力を必要とするタスクに対して効果的です。
続きを読む
このモデルは、NVIDIA H100で5.8ミリ秒、AMD MI325Xで3.7ミリ秒という迅速な応答を提供するように設計されています。テキスト、数字、日付の抽出、画像内のオブジェクトの位置特定、数量の推定に優れています。d1-Omni-2Bモデルはチャットアプリケーションを目的としておらず、トランスクリプトや音声を生成しません。
パフォーマンスベンチマークによると、d1-Omni-2Bは、d1-omni-600Mやd1-3Bなどの他のモデルをさまざまな意思決定および画像ベンチマークで上回り、パラメータが少ないにもかかわらずその効率を示しています。Transformersライブラリに統合されており、シームレスな展開と使用が可能です。
このモデルはLFMオープンライセンスv1.0の下でライセンスされており、ユーザーにオープンアクセスを保証します。マルチモーダルな意思決定タスクのための堅牢なソリューションを求める開発者や研究者に適しています。ただし、特に非ラテン文字の言語では、長い音声のパッセージが精度を低下させる可能性があることに注意が必要です。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイクラウド
- プラットフォームWeb
LiquidAI d1-Omni-2Bのハイライト
テキスト、画像、音声を処理
1回の前方パスで調整された回答
複数の言語をサポート
迅速な意思決定時間
テキスト、数字、日付を抽出
画像内のオブジェクトを特定
数量を推定
Transformersライブラリと統合
LiquidAI d1-Omni-2Bをはじめる
モデルにアクセス: Hugging Faceを訪問
認証: APIキーを使用
環境を設定: 依存関係をインストール
API経由で統合: 提供されたエンドポイントを使用
最適化: 特定のタスクに合わせてパラメータを調整
LiquidAI d1-Omni-2Bの使用例
- コールルーティング
- 音声イベント検出
- 画像内のオブジェクトの位置特定
- テキスト抽出
- 多言語処理







