/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
moondream1 · dense
Базовая модель
moondream2
Библиотека
transformers.js
Опубликована
25 мар 2024

moondream2

Изображение и текст → текст3 профессии

Xenova/moondream2 — мультимодальная модель для генерации текста по изображениям, представленная в формате ONNX для совместимости с библиотекой Transformers.js.

1 272скачиваний за 30 дней38лайковвеса обновлены30 июл 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

Репозиторий подготовлен Xenova на основе модели vikhyatk/moondream2; исходная модель связана с vikhyatk/moondream2. Она предназначена для запуска задач анализа изображений в JavaScript-приложениях, включая описание содержимого изображения и ответы на вопросы о нём.

Модель принимает изображение и текстовый запрос, после чего генерирует текстовый ответ. В README указана архитектура Moondream с vision encoder и decoder_model_merged, а также поддержка вариантов точности fp16, fp32, q8, q4 и q4f16 для отдельных компонентов. Предусмотрен запуск на устройстве WebGPU, что делает модель подходящей для веб-приложений и локальной обработки в браузере. Поддерживаемые языки, размер модели, максимальная длина контекста и другие количественные характеристики в предоставленных данных не указаны.

К сильным сторонам относятся мультимодальный сценарий использования, возможность работы с ONNX-весами через Transformers.js и оптимизации для разных требований к качеству и производительности. Ограничения включают отсутствие в README подробных сведений о качестве, производительности, языковой поддержке, контексте и требованиях к ресурсам. Модель распространяется по лицензии Apache-2.0.

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

https://huggingface.co/vikhyatk/moondream2 with ONNX weights to be compatible with Transformers.js.

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

npm install @huggingface/transformers

Example:

import { AutoProcessor, AutoTokenizer, Moondream1ForConditionalGeneration, RawImage } from '@huggingface/transformers';

// Load processor, tokenizer and model
const model_id = 'Xenova/moondream2';
const processor = await AutoProcessor.from_pretrained(model_id);
const tokenizer = await AutoTokenizer.from_pretrained(model_id);
const model = await Moondream1ForConditionalGeneration.from_pretrained(model_id, {
    dtype: {
        embed_tokens: 'fp16', // or 'fp32'
        vision_encoder: 'fp16', // or 'q8'
        decoder_model_merged: 'q4', // or 'q4f16' or 'q8'
    },
    device: 'webgpu',
});

// Prepare text inputs
const prompt = 'Describe this image.';
const text = `<image>\n\nQuestion: ${prompt}\n\nAnswer:`;
const text_inputs = tokenizer(text);

// Prepare vision inputs
const url = 'https://huggingface.co/vikhyatk/moondream1/resolve/main/assets/demo-1.jpg';
const image = await RawImage.fromURL(url);
const vision_inputs = await processor(image);

// Generate response
const output = await model.generate({
    ...text_inputs,
    ...vision_inputs,
    do_sample: false,
    max_new_tokens: 64,
});
const decoded = tokenizer.batch_decode(output, { skip_special_tokens: false });
console.log(decoded);
// [
//     '<|endoftext|><image>\n\n' +
//     'Question: Describe this image.\n\n' +
//     'Answer: A hand is holding a white book titled "The Little Book of Deep Learning" against a backdrop of a balcony with a railing and a view of a building and trees.<|endoftext|>'
// ]

We also released an online demo, which you can try yourself: https://huggingface.co/spaces/Xenova/experimental-moondream-webgpu


Note: Having a separate repo for ONNX weights is intended to be a temporary solution until WebML gains more traction. If you would like to make your models web-ready, we recommend converting to ONNX using 🤗 Optimum and structuring your repo like this one (with ONNX weights located in a subfolder named onnx).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js), для GPU-рантайма нет весов.

Класс архитектуры
Moondream
Ревизия весов
2d577a7

0 моделей