标签 AI 模型
Phi-4-multimodal-instruct 是什么
Phi-4-multimodal-instruct 被介绍为微软的多模态基础模型,接受文本、图像和音频输入并输出文本。
你可以用它做什么
- 进行自动语音识别与语音翻译
- 对多张图像做视觉问答
- 处理语音总结与语音问答
应用场景
- 语音助手提供多语言语音问答服务
- 教育领域用视觉与语音辅助学习数学和科学
- 内容创作根据图像或音频生成文本
优点与缺点
✓ 我们认可的地方
- 多图像输入支持图表理解
- 资料列出语音总结与语音问答
! 需要留意的地方
- 输出仅为文本
- 图像需先转换为支持的格式
常见问题
上下文长度多少?
资料说明为 128K 上下文长度。
列出哪些语言?
资料列出文本为英语、中文、法语,音频为英语、中文、德语。
最后评测: 2026-11-15
更多 大模型 API 平台 工具
查看全部 →-
302.AI 把数百个大模型收在一个 API 后面的聚合云平台 开发者工具 API 集成 多模型平台 模型部署 大模型 API 平台 -
360智脑开放平台 360 大模型 API 平台 API 集成 多模型平台 知识库问答 企业自动化 大模型 API 平台 -
4o Image API 图像生成 API 网关 免费 工具 免费增值 工具 开发者工具 API 集成 大模型 API 平台 -
AI-Flow 无代码的多模型工作流 工作流自动化 开发者工具 API 集成 知识库问答 大模型 API 平台 -
AI/ML API 一个网关接入众多模型 开发者工具 API 集成 多模态 多模型平台 大模型 API 平台 -
Amazon Bedrock 带安全扫描的 AWS 代码建议 免费 工具 代码助手 集成开发环境 应用搭建器 大模型 API 平台