【阿里雲】擁有圖文理解能力的視覺語言模型 Qwen-VL & Qwen-VL-Chat

阿里雲是中國阿里巴巴集團旗下的雲計算和人工智能科技公司，在全球各地擁有多間數據中心，為客戶提供穩定高效的雲計算服務，包括計算、存儲、數據庫、網絡、安全、人工智能和大數據分析等。（按此了解阿里雲如何從「三無」成為龍頭以及如何開如上雲。)

強大的視覺語言模型

擁有眾多業務的阿里雲，早前再推出新研發。今年8月尾阿里雲公佈推出兩款大規模視覺語言模型 Qwen-VL 及 Qwen-VL-Chat，具中英文圖文識別、描述、問答對話和多模態訊息理解功能，同時支持中英文圖文輸入。

什麼是視覺語言模型？

視覺語言模型是一種結合計算機視覺，和自然語言處理技術的人工智慧模型。 它能夠理解圖像內容，並生成與之相關的自然語言描述。 這項技術在圖像標註、圖像搜索、視覺問答等領域有廣泛應用，為圖像和語言之間建立了橋樑。

Qwen-VL 和 Qwen-VL-Chat 更是在訓練過程中增強了對視覺訊號的細粒度感知和理解能力。比起其他模型一般只支持224分辨率，Qwen-VL 則高達448的圖像輸入分辨率。

視覺語言模型的應用及對企業的幫助

這兩個視覺語言模型都可用作知識問答、圖像問答、文件問答、細粒度視覺定位等。例如只要拍下樓層導覽圖，問Qwen-VL-Chat想去的地點在那一樓層，便可以獲得文字回覆。不難想像企業能利用這些功能進行更快捷的文件準備、技術及知識支緩、推廣服務等，無論是透過 Qwen-VL 和 Qwen-VL-Chat 創建一致和獨特的品牌風格，還是以視覺化或拆解圖像的功能，助團隊即時理解、獲得大數據和複雜資訊的結果，都有效增強員工間、甚至企業間的溝通和效率，提升公司的形象和競爭力。

對英文輸入的效果會較弱嗎？

提及市面上暫時最流行的AI對答工具，一般都會認為對中文的支援較緩慢，對英文輸入往往更精準。那麼對於中文為母語，由國企阿里雲出品的視覺語言模型，會相對地更專注於中文語言發展，不適合以英文主為主要語言的企業嗎？

據阿里雲官方資訊：「……對 Qwen-VL-Chat 及其他模型進行對比測試，Qwen-VL-Chat 在中英文的對齊評測中均取得開源LVLM最好結果。」由此可見，阿里雲了解到英文作為很多企業的第二或主要語言，在研發過程並沒有忽略對英文輸入的投入，可以說兼具中英支援的 Qwen-VL-Chat 在市面上具相當大的競爭力。

如何開始使用？ 適合您的企業嗎？價錢？

現時人工智能已成為全球趨勢，相信有關技術對各團隊崗位都有莫大幫助。同一時間，若在科技發展快速深遠的時代不緊貼步伐，將會在轉眼間就被追得上時代進程的競爭對手大幅拋離。現時阿里雲可向月活躍用戶少於1 億的公司免費提供該模型，超出數量的企業也可通過我們向阿里雲申請許可證。Multisoft是阿里巴巴的良好合作夥伴，多次獲得Alibaba Awards，歡迎按此聯絡我們 ，獲得更多相關或其他阿里巴巴的產品/服務的資訊和報價。

當然，一間企業要選擇最適合應用的工具和服務，可以考慮到公司規模、客源、行業類型、原有配套等，從而獲得最高效又合乎效益的方案。Multisoft 是一站式的 IT 企業解決方案服務商，有多於60家合作夥伴，歡迎按此聯絡我們獲取免費咨詢，我們會盡快回覆您！