In questa pagina
IA di visione: analizza immagini e documenti sul dispositivo
I modelli di visione di Off Grid AI guardano le immagini e rispondono alle tue domande. Punta la fotocamera su un documento, un prodotto, uno schema o uno scontrino e chiedi quello che vuoi.
Tutta l’analisi gira sul dispositivo, tramite il supporto multimodale di llama.rn. Nessuna immagine viene caricata.
Cosa puoi fare
- Leggere scontrini, fatture e biglietti da visita: estrai il testo dalle foto
- Descrivere scene: capisci cosa c’è in una foto
- Analizzare documenti: fai domande sulla foto di un documento
- Riconoscere oggetti: “cos’è questo?” con una foto
- Leggere la scrittura a mano: con modelli capaci come Qwen3-VL
- Codice dagli screenshot: mostra un’interfaccia al modello e chiedigli di ricrearne il codice
Modelli di visione disponibili
| Modello | Parametri | RAM min. | Velocità | Ideale per |
|---|---|---|---|---|
| SmolVLM2 500M | 0.5B | 3GB | Molto veloce (~7 s) | Domande rapide sulle immagini con poca RAM |
| SmolVLM 2B | 2B | 4GB | Veloce (~8 s) | Compiti di visione generici |
| SmolVLM2 2.2B | 2.2B | 4GB | Veloce (~8–10 s) | Immagini e video |
| Gemma 4 E2B | 2B (MoE) | 4GB | Media (~10–15 s) | Migliore visione con 4 GB, modalità ragionamento |
| Gemma 4 E4B | 4B (MoE) | 6GB | Media (~12–18 s) | Ragionamento più forte con visione, modalità ragionamento |
| Qwen3-VL 2B | 2B | 4GB | Media | Visione multilingue, modalità ragionamento |
I modelli Gemma 4 supportano visione e ragionamento insieme: ragionano passo dopo passo su ciò che vedono, e questo migliora molto la precisione nei compiti complessi.
Come usare la visione
- Apri una chat in Off Grid AI
- Tocca l’icona allegato → scegli Camera o Photo Library
- Scegli o scatta la foto
- Scrivi la domanda e invia
Il modello riceve l’immagine e la tua domanda. I modelli di visione scaricano da soli un file mmproj (il proiettore multimodale) durante la configurazione; è già incluso nella dimensione stimata del modello.
Prompt di esempio
Analisi di documenti:
“Quali voci ci sono su questo scontrino? Dammi il totale.”
Lettura tecnica:
“Spiega questo schema di architettura.”
Scrittura a mano:
“Trascrivi il testo di questa foto.”
Domande visive:
“Che modello di telefono si vede in questa foto?”
Codice da un’interfaccia:
“Scrivi il codice React Native per ricreare questa schermata.”
Consigli
Usa Gemma 4 per ragionamenti complessi: se il modello deve riflettere bene su ciò che vede (interpretare un grafico, risolvere un problema da una foto), la modalità di ragionamento di Gemma 4 dà risultati molto migliori di un modello più veloce.
Usa SmolVLM per compiti rapidi: per descrizioni semplici o estrarre testo, SmolVLM2 500M è sorprendentemente bravo e molto più veloce.
La qualità dell’immagine conta: foto mosse o poco contrastate abbassano molto la precisione. Per i documenti, usa una luce uniforme e un’inquadratura dritta.