Яндекс Метрика
Компьютерное зрение, Языковая модель, Мультимодальная модель

Typhoon2-Vision

Typhoon / SCB 10X
Генерация текстаВизуальные ответы на вопросы

Мультимодальный ИИ нового поколения, который умеет не только читать, но и «видеть», анализируя изображения в связке с текстом. Модель идеально подходит для визуальных ответов на вопросы и описания сложного графического контента с упором на тайский регион.

This paper introduces Typhoon 2, a series of text and multimodal large language models optimized for the Thai language. The series includes models for text, vision, and audio. Typhoon2-Text builds on state-of-the-art open models, such as Llama 3 and Qwen2, and we perform continual pre-training on a mixture of English and Thai data. We employ post-training techniques to enhance Thai language performance while preserving the base models' original capabilities. We release text models across a range of sizes, from 1 to 70 billion parameters, available in both base and instruction-tuned variants. To guardrail text generation, we release Typhoon2-Safety, a classifier enhanced for Thai cultures and language. Typhoon2-Vision improves Thai document understanding while retaining general visual capabilities, such as image captioning. Typhoon2-Audio introduces an end-to-end speech-to-speech model architecture capable of processing audio, speech, and text inputs and generating both text and speech outputs.

Что такое Typhoon2-Vision?+
Кто разработал Typhoon2-Vision?+
Какие задачи решает Typhoon2-Vision?+