Ming-UniVision

Ming-UniVision 是一种突破性的多模态大语言模型（MLLM），它将视觉理解、生成和编辑统一在一个自回归下一词预测（NTP）框架内，由 MingTok 驱动——这是首个连续的统一视觉分词器。通过消除离散量化并利用共享的连续潜在空间，Ming-UniVision 实现了跨不同任务的流畅、端到端的多模态推理。在基于高保真连续视觉表示的训练下，Ming-UniVision 支持多轮、上下文感知的视觉-语言交互，如迭代问答、图像生成和语义编辑——所有这些都不需要将中间状态解码为像素。这使得能够进行高效、连贯且类似人类的、具有一致特征动态的多模态对话。

使用教程

0. 麻烦右上角点个收藏~

1. 在镜像详情界面点击“使用该镜像创建实例”

2. 选择GPU型号，再点击“立即部署”

3. 实例启动后，在控制台中点击“SD-WebUI”

4.浏览器如图显示，就说明启动成功了

5.如果页面无响应，点击“JupyterLab”，再双击log.txt可查看启动进度

6.如果有报错的话，请下载log.txt发到下面的交流群中

7.提示

7.1 第一次生成会加载模型，所以时间较长。后续生成的速度正常。

十字鱼-镜像作者交流群