Bu sayfada
Görsel yapay zekâ: görselleri ve belgeleri cihazda analiz et
Off Grid AI’ın görsel modelleri görsellere bakar ve onlar hakkındaki sorularını yanıtlar. Kamerayı bir belgeye, ürüne, şemaya ya da fişe tut ve istediğini sor.
Tüm analiz cihazda, llama.rn’nin çok kipli desteğiyle çalışır. Hiçbir görsel yüklenmez.
Neler yapabilirsin
- Fiş, fatura ve kartvizit okuma: fotoğraflardan metin çıkar
- Sahne betimleme: bir fotoğrafta ne olduğunu anla
- Belge analizi: bir belgenin fotoğrafı hakkında soru sor
- Nesne tanıma: fotoğrafla “bu ne?”
- El yazısı okuma: Qwen3-VL gibi güçlü modellerle
- Ekran görüntüsünden kod: modele bir arayüz göster ve kodunu yeniden yazmasını iste
Kullanılabilir görsel modeller
| Model | Parametre | En az RAM | Hız | En uygun |
|---|---|---|---|---|
| SmolVLM2 500M | 0.5B | 3GB | Çok hızlı (~7 sn) | Az RAM’li cihazlarda hızlı görsel sorular |
| SmolVLM 2B | 2B | 4GB | Hızlı (~8 sn) | Genel görsel işler |
| SmolVLM2 2.2B | 2.2B | 4GB | Hızlı (~8–10 sn) | Görsel ve video anlama |
| Gemma 4 E2B | 2B (MoE) | 4GB | Orta (~10–15 sn) | 4 GB için en iyi görsel kalite, düşünme modu |
| Gemma 4 E4B | 4B (MoE) | 6GB | Orta (~12–18 sn) | Görselle en güçlü akıl yürütme, düşünme modu |
| Qwen3-VL 2B | 2B | 4GB | Orta | Çok dilli görsel, düşünme modu |
Gemma 4 modelleri görseli ve düşünme modunu birlikte destekler: gördükleri üzerine adım adım düşünürler ve bu karmaşık işlerde doğruluğu ciddi şekilde artırır.
Görseli nasıl kullanırsın
- Off Grid AI’da bir sohbet aç
- Ek simgesine dokun → Camera ya da Photo Library’yi seç
- Görselini seç ya da çek
- Sorunu yaz ve gönder
Model hem görseli hem soruyu alır. Görsel modeller kurulum sırasında bir mmproj dosyasını (çok kipli projektör) kendiliğinden indirir; bu, tahmini model boyutuna zaten dahildir.
Örnek istemler
Belge analizi:
“Bu fişte hangi kalemler var? Toplamı söyle.”
Teknik okuma:
“Bu mimari şemayı açıkla.”
El yazısı:
“Bu fotoğraftaki metni yazıya dök.”
Görsel sorular:
“Bu fotoğraftaki telefon hangi model?”
Arayüzden kod:
“Bu ekranı yeniden oluşturan React Native kodunu yaz.”
İpuçları
Karmaşık akıl yürütme için Gemma 4: Modelin gördüğü şey üzerine dikkatle düşünmesi gerekiyorsa (bir grafiği yorumlamak, fotoğraftaki bir problemi çözmek), Gemma 4’ün düşünme modu daha hızlı bir modelden çok daha iyi sonuç verir.
Hızlı işler için SmolVLM: Basit betimleme ya da metin çıkarma için SmolVLM2 500M şaşırtıcı derecede iyidir ve çok daha hızlıdır.
Görsel kalitesi önemlidir: Bulanık ya da düşük kontrastlı fotoğraflar doğruluğu ciddi düşürür. Belgelerde düz ışık ve tam karşıdan çekim en iyi sonucu verir.