国外 AI 技术达人 Mervin Praison 讲解 DeepSeek 最新开源多模态模型：Janus Pro 7B，拥有比 LLaVA 等其他开源多模态模型更加卓越的性能。

功能亮点

  1. 基于 Deep Seek V2 构建，使用超过 9000 万训练样本，以及先进的合成美学数据训练（7200 万样本），不仅能够理解图像，还能生成图像。
  2. 支持 FAST API 和 Gradio
  3. 向公众免费开放，可通过 Hugging Face 获取，附完整文档！

技术规格

  1. 自回归 Transformer 架构
  2. 拥有文本编码器、标记器、图像解码器等组件
  3. 训练数据包含：图像、字幕、表格、图表、文档分析

应用场景

  1. 详细场景描述
  2. 地标识别
  3. 文本识别
  4. 图像生成
  5. 常识问答
  6. 视觉小说创作

下载地址：https://github.com/deepseek-ai/Janus

总之，DeepSeek Janis Pro 7B 不仅提供了国外顶尖闭源多模态模型的功能，而且免费开源，相当良心！