GuidaImmagini e visioneTelefono2 min di lettura

In questa pagina
  1. Cosa puoi fare
  2. Modelli di visione disponibili
  3. Come usare la visione
  4. Prompt di esempio
  5. Consigli
  6. Altre guide

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

  1. Apri una chat in Off Grid AI
  2. Tocca l’icona allegato → scegli Camera o Photo Library
  3. Scegli o scatta la foto
  4. 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.


Altre guide

TI È STATO UTILE?
NOVITÀ DAL CREATORE