/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
17,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl_audio · dense
Базовая модель
Qwen2.5-7B
Опубликована
21 авг 2025

ShizhenGPT-7B-Omni

Генерация текстаТекст → текст3 профессии

Мультимодальная модель FreedomIntelligence для анализа диагностической информации в традиционной китайской медицине и ответов по ТКМ.

123скачиваний за 30 дней6лайковвеса обновлены23 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ShizhenGPT-7B-Omni — мультимодальная языковая модель для традиционной китайской медицины, разработанная командой FreedomIntelligence. Это полная версия ShizhenGPT-7B, дообученная на базе Qwen/Qwen2.5-7B и специализированных датасетах по ТКМ. Модель поддерживает текст и мультимодальные диагностические сценарии, соответствующие четырём методам ТКМ: осмотру, слушанию и обонянию, опросу и исследованию пульса.

Модель содержит 7,1 млрд параметров, использует плотную архитектуру семейства Qwen2.5 VL Audio и имеет контекст 128 000 токенов. Для запуска требуются transformers версии 4.51.0 и trust_remote_code=True. Репозиторий распространяется под лицензией Apache-2.0. Карточка заявляет мультимодальные диагностические возможности, но не приводит подробностей об отдельных входных форматах и результатах оценки качества.

Сценарии применения

  • ответы на вопросы о традиционной китайской медицине
  • поддержка анализа диагностических данных по четырём методам ТКМ
  • обсуждение симптомов и диагностических наблюдений в ТКМ

Ограничения

Для запуска необходимы transformers==4.51.0 и trust_remote_code=True. Карточка не описывает подробно поддерживаемые форматы мультимодального ввода и не приводит результатов оценки качества.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ShizhenGPT is the first multimodal LLM for Traditional Chinese Medicine (TCM). It not only possesses strong expertise in TCM, but also supports TCM multimodal diagnostic capabilities, which involve looking (望), listening/smelling (闻), questioning (问), and pulse-taking (切).

👉 More details on GitHub: ShizhenGPT

Model Info

ShizhenGPT-7B-Omni is the full version of ShizhenGPT-7B, supporting multiple modalities of input. If your needs only involve text or image input, you can consider using other versions:

ParametersSupported ModalitiesLink
ShizhenGPT-7B-LLM7BTextHF Link
ShizhenGPT-7B-VL7BText, Image UnderstandingHF Link
ShizhenGPT-7B-Omni7BText, Four Diagnostics (望闻问切)HF Link
ShizhenGPT-32B-LLM32BTextHF Link
ShizhenGPT-32B-VL32BText, Image UnderstandingHF Link
ShizhenGPT-32B-Omni32BText, Four Diagnostics (望闻问切)Available soon

Note: The LLM and VL models are parameter-split variants of ShizhenGPT-7B-Omni. Since their architectures align with Qwen2.5 and Qwen2.5-VL, they are easier to adapt to different environments. In contrast, ShizhenGPT-7B-Omni requires transformers==4.51.0.

Usage

To use ShizhenGPT-7B-Omni, you need to use transformers==4.51.0 and set trust_remote_code to True. You can run the following script:

from transformers import AutoModelForCausalLM, AutoProcessor
from qwen_vl_utils import fetch_image
import librosa

# Load model and processor
model_path = 'FreedomIntelligence/ShizhenGPT-7B-Omni'
model = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True, torch_dtype="auto").cuda()
processor = AutoProcessor.from_pretrained(model_path, trust_remote_code=True)

def generate(text, images=None, signals=None):
    # Process images if provided
    processed_images = []
    if images is not None and images:
        text = ''.join(['<|vision_start|><|image_pad|><|vision_end|>']*len(images)) + text
        processed_images = [fetch_image({"type": "image", "image": img, "max_pixels": 360*420}) 
                            for img in images if img is not None]
    else:
        processed_images = None
    
    # Process audio signals if provided
    processed_signals = []
    if signals is not None and signals:
        text = ''.join(['<|audio_bos|><|AUDIO|><|audio_eos|>']*len(signals)) + text
        processed_signals = [librosa.load(signal, sr=processor.feature_extractor.sampling_rate)[0] 
                             for signal in signals if signal is not None]
    else:
        processed_signals = None
    
    # Prepare messages
    messages = [{'role': 'user', 'content': text}]
    text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

    # Ensure text is non-empty
    if not text:
        text = [""]

    # Process the input data
    input_data = processor(
        text=[text],
        audios=processed_signals,
        images=processed_images, 
        return_tensors="pt", 
        padding=True
    )
    input_data = input_data.to(model.device)
    
    # Generate the output
    generated_ids = model.generate(**input_data, max_new_tokens=1024)
    generated_ids_trimmed = [
        out_ids[len(in_ids):] for in_ids, out_ids in zip(input_data.input_ids, generated_ids)
    ]
    output_text = processor.batch_decode(
        generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
    )

    return output_text[0]

# Example usage
# Text input
print(generate('为什么我总是手脚冰凉,是阳虚吗?'))
# Image input
print(generate('请从中医角度解读这张舌苔。', images=['path_to_image']))
# Audio input
print(generate('请回答这个语音问题', signals=['path_to_audio']))

📖 Citation

@misc{chen2025shizhengptmultimodalllmstraditional,
      title={ShizhenGPT: Towards Multimodal LLMs for Traditional Chinese Medicine}, 
      author={Junying Chen and Zhenyang Cai and Zhiheng Liu and Yunjin Yang and Rongsheng Wang and Qingying Xiao and Xiangyi Feng and Zhan Su and Jing Guo and Xiang Wan and Guangjun Yu and Haizhou Li and Benyou Wang},
      year={2025},
      eprint={2508.14706},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2508.14706},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
Qwen2_5_VL_Audio_ForConditionalGeneration
Ревизия весов
eba6bb6

0 моделей