跳到正文

多模态

文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。

41条精选 相关主题图像生成AI 视频语音与音频

最新精选

第 41–41 条 · 共 41 条
3月7日周五
  1. Mistral AI67

    Mistral 发布 Mistral OCR API,主打复杂文档理解

    Mistral 发布光学字符识别 API Mistral OCR,接受图片和 PDF 输入,按顺序提取文本与图像,可配合 RAG 系统处理幻灯片、复杂 PDF 等多模态文档。

    推荐理由:官方给出内部基准对比、定价和自部署选项,读者可据此评估它在多模态文档理解和 RAG 流程中的可用性。