让桌面硬件长出真正的“AI眼睛”?微信刚开源的 4B 端侧视觉模型,刚好能把我们项目这块拼图补齐!🔥
核心信息是:
微信开源了一个 4B 左右的视觉模型,识图、抠图、OCR、分割一套干完,然后官方说的是还可以往边缘设备上塞。
怎么去用 & 落地思路
我看到这的时候,脑子里面去想出来的第一个想法就是:
我的桌面摄像头加上一个本地的小的VLM,再挂到我们宗主项目网关上面去优化那一个眼睛。
像前面给大家所推荐的那个立创的ESP 32的,它那个上面有一个自带的小型摄像头的,只不过一直没有去利用上。
我们前面更多的是语音的链路,也就是可以听见也能够说出来,但是去做看见这一块的话,前面也没弄。
🚀 后续计划
如果他能够真的在边缘跑起来,那么后面可以把这一块加进我们的链路里面。
大家有没有想要对这一块感兴趣的?那我先去实测一下,然后我就去先去跑一个简单的demo!
顯示更多
we gave our AI an eye for detail. 👀
Meet WeVisOne-VL, an open-source 2B/4B model from our Weixin Vision team.
It finds and counts objects, reads text, and makes precise masks and cutouts—no separate SAM needed.
Not in the image? "None."
顯示更多