环球网

9月2日消息，据外媒9to5Mac报道，苹果此前发布了视觉语言模型FastVLM，现在用户已可以在Hugging Face平台上找到该项目。

据悉，FastVLM能够提供近乎即时的高分辨率图像处理，可将视频字幕生成速度提高 85 倍，同时体积比同类模型小 3 倍以上。

外媒称，现在在 Hugging Face 上，用户可以直接在浏览器内加载更轻量级的 FastVLM-0.5B 版本。根据9to5Mac实测，其在16GB M2 Pro MacBook Pro 上加载需要几分钟，加载完成后，模型就开始准确地描述用户的外貌、身后的房间、周围物体等。

外媒表示，因为它在浏览器本地运行，这意味着数据永远不会离开设备，甚至可以离线运行。这会在可穿戴设备和辅助技术场景展现潜力，因为轻便性和低延迟对于上述应用场景至关重要。（思瀚）