Aya Vision

Aya Vision 是由 Cohere 开发的一款多模态、多语言视觉模型，旨在提升全球范围内的跨语言和跨模态信息处理能力。该模型支持 23 种语言，具备图像描述生成、视觉问答、文本翻译以及多语言摘要生成等功能。Aya Vision 提供两个版本：Aya Vision 32B 和 Aya Vision 8B，分别在性能与计算效率上有所优化。其训练过程中采用合成标注与多语言数据增强技术，使其在资源受限环境下仍能保持高效表现。 Aya Vision 的核心功能包括图像内容的自动描述生成、基于图像的问答系统、多语言文本处理及跨模态交互能力。其技术架构包含视觉编码器、视觉语言连接器和语言解码器，通过两阶段训练流程实现视觉与语言的精准对齐。此外，Aya Vision 在多个基准测试中展现出优于更大规模模型的性能表现，体现了其高效的计算能力和优异的多语言处理能力。 Aya Vision 可广泛应用于教育、内容创作、辅助工具开发、多语言交流及科研等领域，为用户提供强大的视觉与语言结合的智能解决方案。