跳到正文

Megrez-3B-Omni

在端侧理解图片、文本与音频

访问官网

Megrez-3B-Omni 是什么

Megrez-3B-Omni 被介绍为由无问芯穹研发的端侧全模态理解模型,基于 Megrez-3B-Instruct 扩展,可理解图片、文本与音频三类数据。

你可以用它做什么

  • 综合理解分析图片、文本和音频
  • 对输入图片进行语音提问
  • 根据语音指令直接响应文本
  • 用中英文语音进行多轮对话

上手流程

  • 安装 torch 和 transformers 等必要环境和库
  • 从 Hugging Face 网站下载模型
  • 按代码示例设置模型路径并加载模型
  • 准备文本、图像和音频等输入数据

优点与缺点

✓ 我们认可的地方

  • 支持中英文语音输入及多轮对话
  • 模型设计考虑端侧部署与响应速度

! 需要留意的地方

  • 对图片语音提问需要先准备输入图片
  • 所列分数来自 C-EVAL、MMLU 等具体测试集

常见问题

覆盖哪些模态?

资料列出图片、文本、音频三种模态的理解分析。

支持什么语音?

资料说明支持中英文语音输入及多轮对话。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法