ລາວLaoGPT
ລົງທະບຽນ

ມັລຕິໂມດອລ · ແຜນງານ ແຜນງານ — ຍັງບໍ່ໄດ້ສົ່ງມອບ

ໂມເດວພາສາລາວ ທີ່ທ່ານສະແດງສິ່ງຕ່າງໆໃຫ້ເບິ່ງໄດ້.

ພາສາລາວສ່ວນໃຫຍ່ທີ່ສຳຄັນ ບໍ່ໄດ້ຖືກພິມດ້ວຍແປ້ນພິມ. ມັນຖືກປະທັບຕາ, ຖ່າຍຮູບ, ຂຽນດ້ວຍມື, ພິມອອກແລ້ວສະແກນຄືນ, ເວົ້າດ້ວຍສຳນຽງທ້ອງຖິ່ນ ຫຼື ເປັນພາສາທີສອງ, ຫຼື ອ່ານອອກສຽງໃຫ້ຄົນທີ່ອ່ານເອງບໍ່ໄດ້ຟັງ. ໂມເດວທີ່ຮັບໄດ້ແຕ່ຂໍ້ຄວາມ ເຂົ້າບໍ່ເຖິງສິ່ງເຫຼົ່ານັ້ນເລີຍ. ນີ້ແມ່ນສິ່ງທີ່ຈະປ່ຽນໄປ, ເປັນຫຍັງພາສາລາວໂດຍສະເພາະຈຶ່ງຕ້ອງການມັນ ແລະ ປະມານເມື່ອໃດ.

ໂມເດວມັລຕິໂມດອລແມ່ນຫຍັງ

ໂມເດວຂໍ້ຄວາມອ່ານໂທເຄັນ. ໂມເດວມັລຕິໂມດອລ ຮັບຂໍ້ມູນເຂົ້າຫຼາຍກວ່າໜຶ່ງປະເພດ — ຮູບ, ສຽງ, ວິດີໂອ, ເອກະສານ — ແລະ ໃຊ້ເຫດຜົນກັບພວກມັນໃນບໍລິບົດດຽວກັບຂໍ້ຄວາມ. ໂຄງສ້າງທີ່ນິຍົມ ເຊື່ອມຕົວເຂົ້າລະຫັດ (encoder) ສຳລັບແຕ່ລະຮູບແບບຂໍ້ມູນເຂົ້າກັບໂມເດວພາສາ ແລະ ຝຶກສ່ວນເຊື່ອມນັ້ນ ເພື່ອໃຫ້ຮູບກາຍເປັນສິ່ງທີ່ໂມເດວພາສາເອົາໃຈໃສ່ໄດ້ ຄຽງຄູ່ກັບຄຳໃນ prompt.

ຄຳທີ່ສຳຄັນໃນທາງປະຕິບັດ ແມ່ນໂມເດວພາບ-ພາສາ (vision-language model): ໂມເດວພາສາທີ່ມີຕົວເຂົ້າລະຫັດຮູບ ເຊິ່ງເປັນສິ່ງທີ່ເກືອບທຸກຄວາມສາມາດແບບ “ມັນອ່ານພາບໜ້າຈໍຂອງຂ້ອຍໄດ້ບໍ່” ເປັນແທ້. ຄຳນິຍາມຂອງ IBM ແມ່ນສະບັບສັ້ນ — ໂມເດວທີ່ປະມວນຜົນ ແລະ ໃຊ້ເຫດຜົນຂ້າມຫຼາຍຮູບແບບຂໍ້ມູນ ເຊັ່ນ ຂໍ້ຄວາມ, ຮູບ ແລະ ສຽງ — ແລະ ອະພິທານສັບຂອງ NVIDIA ແມ່ນສະບັບສັ້ນສຳລັບເຄິ່ງດ້ານພາບ.

ແນວຄິດນີ້ເກົ່າກວ່າກະແສປັດຈຸບັນ. CLIP ສະແດງໃນປີ 2021 ວ່າ ຮູບ ແລະ ຂໍ້ຄວາມ ສາມາດຝຶກເຂົ້າໃນພື້ນທີ່ຮ່ວມກັນໄດ້ ໂດຍໃຊ້ພາສາທຳມະຊາດເປັນຕົວກຳກັບ; Flamingo ສະແດງວ່າ ໂມເດວພາສາທີ່ຖືກແຊ່ແຂງໄວ້ ສາມາດຮຽນຮູ້ການເອົາໃຈໃສ່ຮູບຈາກຕົວຢ່າງພຽງບໍ່ເທົ່າໃດ; ການປັບແຕ່ງດ້ວຍຄຳສັ່ງທາງພາບ ເຮັດໃຫ້ຜົນລັບກາຍເປັນສິ່ງທີ່ລົມນຳໄດ້. ທຸກຢ່າງທີ່ໃຊ້ງານຢູ່ມື້ນີ້ ສືບເຊື້ອສາຍມາຈາກສາມງານນີ້.

ອ່ານແຫຼ່ງຂໍ້ມູນຕົ້ນສະບັບ

ເປັນຫຍັງພາສາລາວຈຶ່ງຕ້ອງການສິ່ງນີ້ຫຼາຍກວ່າພາສາອັງກິດ

ນີ້ບໍ່ແມ່ນຄຸນສົມບັດດຽວກັນໃນອີກພາສາໜຶ່ງ. ມີສີ່ຢ່າງທີ່ເຮັດໃຫ້ການອ່ານເອກະສານພາສາລາວດ້ວຍພາບ ເປັນບັນຫາດ້ານວິສະວະກຳສະເພາະ ແລະ ທັງສີ່ຢ່າງ ລ້ວນເປັນເຫດຜົນທີ່ໂມເດວທົ່ວໄປເຮັດໄດ້ບໍ່ດີ.

1

OCR ພາສາລາວ ຍັງບໍ່ທັນຖືກແກ້ໄຂ

ບໍ່ມີການເວັ້ນວັກລະຫວ່າງຄຳ ລະບົບຈຳແນກຕົວອັກສອນຈຶ່ງໃຊ້ຊ່ອງຫວ່າງຊອກຫາຂອບເຂດຄຳບໍ່ໄດ້. ສະຫຼະ ແລະ ວັນນະຍຸດ ວາງຢູ່ເທິງ, ລຸ່ມ ແລະ ອ້ອມພະຍັນຊະນະ ດັ່ງນັ້ນການສະແກນທີ່ເຮັດໃຫ້ໜຶ່ງໃນນັ້ນຫາຍໄປ ຈະປ່ຽນຄຳໄປຢ່າງງຽບໆ ແທນທີ່ຈະເຮັດໃຫ້ມັນເສຍຫາຍຈົນເຫັນໄດ້ຊັດ — ແລະ ຂໍ້ຄວາມພາສາລາວທີ່ມີໃຫ້ຮຽນຮູ້ ມີໜ້ອຍກວ່າພາສາຫຼັກໃດໆຫຼາຍ.

2

ເອກະສານຖືກຖ່າຍຮູບ ບໍ່ແມ່ນສະແກນ

ຂໍ້ມູນເຂົ້າແທ້ ແມ່ນຮູບຖ່າຍຈາກມືຖືຂອງໜ້າທີ່ປະທັບຕາເທິງໂຕະ, ອຽງ, ໃນຫ້ອງການທີ່ມີຫຼອດໄຟນີອອນດອກດຽວ. ການທົດສອບມາດຕະຖານດ້ວຍເອກະສານສະແກນທີ່ສະອາດ ບໍ່ໄດ້ບອກຫຍັງກ່ຽວກັບສິ່ງນັ້ນເລີຍ.

3

ລາຍມືຍັງເປັນຊ່ອງທາງຫຼັກ

ທະບຽນຂອງບ້ານ, ບັນທຶກຂອງສຸກສາລາ, ໃບສົ່ງເຄື່ອງ, ໃບຄະແນນຂອງໂຮງຮຽນ, ປຶ້ມສຳມະໂນຄົວ. ລາຍມືລາວ ຂຽນຕໍ່ກັນ ແລະ ຫຍໍ້ຄຳ ໃນແບບທີ່ການຝຶກດ້ວຍຕົວພິມ ບໍ່ໄດ້ກວມເອົາ.

4

ຕົວເລກບໍ່ແມ່ນພຽງຕົວເລກ

ຕົວເລກລາວ ໐–໙ ຄຽງຂ້າງຕົວເລກອາຣັບ, ປີຄິດສະຕະສັກກະລາດໃນເອກະສານລັດຖະການ ແລະ ປີພຸດທະສັກກະລາດ ທີ່ນຳໜ້າ 543 ປີ ໃນບັນທຶກຂອງວັດ, ແລະ ຈຳນວນເງິນກີບທີ່ໃຫຍ່ພໍ ຈົນການອ່ານເຄື່ອງໝາຍຂັ້ນຫຼັກພັນຜິດ ຈະເຮັດໃຫ້ຕົວເລກຜິດໄປພັນເທົ່າ. ອ່ານປີຜິດ ແລ້ວທຸກວັນທີໃນເອກະສານກໍຜິດໝົດ.

ສີ່ປະສາດສຳຜັດ, ສາມໂມເດວ

ສົ່ງມອບເປັນໂມເດວແຍກກັນ ແທນທີ່ຈະເປັນໂມເດວໃຫຍ່ຕົວດຽວ ເພາະເມື່ອນັ້ນເຣົາເຕີສາມາດສົ່ງຮູບໄປຫາໂມເດວທີ່ອ່ານ ແລະ ສຽງບັນທຶກໄປຫາໂມເດວທີ່ຟັງ — ແລະ ບໍ່ມີຕົວໃດຕ້ອງຈ່າຍຄ່ານ້ຳໜັກ (weights) ຂອງອີກຕົວ.

ຮູບ · ເຟຣມວິດີໂອ

LaoLLM-Vision

ຮູບຖ່າຍ, ພາບໜ້າຈໍ, ແຜນພູມ, ຊັ້ນວາງສິນຄ້າ, ສາກທົ່ວໄປ, ແບບຟອມ. ຕອບເປັນພາສາລາວ ກ່ຽວກັບສິ່ງທີ່ຢູ່ໃນພາບ ພ້ອມບອກພາກພື້ນທີ່ໃຫ້ບໍລິການ.

ເອກະສານ · ລາຍມື

LaoLLM-Scribe

ຜູ້ຊ່ຽວຊານດ້ານເອກະສານ: ປ່ຽນເອກະສານພາສາລາວທີ່ປະທັບຕາ, ສະແກນ, ອຽງ, ມີຫຼາຍຖັນ ແລະ ຂຽນດ້ວຍມືບາງສ່ວນ ໃຫ້ເປັນຊ່ອງຂໍ້ມູນທີ່ມີໂຄງສ້າງ ທີ່ທ່ານນຳເຂົ້າຖານຂໍ້ມູນໄດ້.

ສຽງເຂົ້າ · ສຽງອອກ

LaoLLM-Voice

ການຮັບຮູ້ ແລະ ສັງເຄາະສຽງເວົ້າພາສາລາວ ໃນທຸກພາສາຖິ່ນ ລວມທັງກໍລະນີທີ່ພົບເລື້ອຍ ເມື່ອຄຳຖາມມາຈາກຄົນທີ່ພາສາແມ່ບໍ່ແມ່ນພາສາລາວ ແລະ ຕ້ອງຕອບເປັນພາສາລາວທີ່ເຂົ້າໃຈງ່າຍ.

ທັງໝົດຂ້າງເທິງ ຮ່ວມກັນ

ຂ້າມຮູບແບບ

ອັນທີ່ສຳຄັນແທ້: ຮູບໜຶ່ງໃບ ແລະ ຄຳຖາມທີ່ເວົ້າອອກສຽງ ໃນຄຳຮ້ອງດຽວກັນ ຕອບໂດຍອີງໃສ່ເອກະສານຂອງທ່ານເອງ. ນັ້ນແມ່ນຄວາມສາມາດທີ່ໂມເດວແຍກກັນມີໄວ້ ເພື່ອເຮັດໃຫ້ມັນລາຄາຖືກ.

ສິບແປດຢ່າງທີ່ເມື່ອກ່ອນເຮັດບໍ່ໄດ້

ແຕ່ລະຢ່າງແມ່ນວຽກທີ່ມື້ນີ້ມີຄົນໃນປະເທດລາວເຮັດ ດ້ວຍການພິມສິ່ງທີ່ຢູ່ຕໍ່ໜ້າຄືນໃໝ່. ເປັນພຽງຕົວຢ່າງ — ອະທິບາຍຄວາມສາມາດທີ່ຕັ້ງໃຈໄວ້ ບໍ່ແມ່ນຄຸນສົມບັດທີ່ສົ່ງມອບແລ້ວ.

ລັດຖະບານ ແລະ ພາກລັດ

ຖ່າຍຮູບໜ້າປຶ້ມສຳມະໂນຄົວ

ສ່ອງກ້ອງໄປທີ່ປຶ້ມສຳມະໂນຄົວ ແລ້ວໄດ້ທຸກຊ່ອງຂໍ້ມູນກັບຄືນມາເປັນຂໍ້ມູນທີ່ມີໂຄງສ້າງ — ຊື່, ເລກບັດປະຈຳຕົວ, ບ້ານ, ເມືອງ, ແຂວງ — ໂດຍບໍ່ຕ້ອງມີເຈົ້າໜ້າທີ່ພິມຄືນແມ່ນແຕ່ຊ່ອງດຽວ ຕອນສີ່ໂມງແລງ.

ອ່ານປະກາດໃນຈົດໝາຍເຫດທາງລັດຖະການ ຈາກຮູບຖ່າຍ

ໜ້າຈົດໝາຍເຫດທາງລັດຖະການທີ່ສະແກນ ກາຍເປັນບົດສະຫຼຸບ ທີ່ທຸກພັນທະກວດຄືນໄດ້ເຖິງມາດຕາທີ່ມັນມາ ແລະ ວັນທີມີຜົນສັກສິດ ຖືກອ່ານອອກມາແທ້ ບໍ່ແມ່ນເດົາເອົາ.

ປ່ຽນບົດບັນທຶກກອງປະຊຸມບ້ານທີ່ຂຽນດ້ວຍມື ໃຫ້ເປັນເອກະສານ

ຖ່າຍຮູບໜ້າທີ່ເລຂານຸການຄະນະກຳມະການຂຽນແທ້ ແລ້ວໄດ້ບົດບັນທຶກກອງປະຊຸມພາສາລາວທີ່ພິມແລ້ວ ໃນລະດັບພາສາທາງການ ໂດຍສະກົດຊື່ຄົນແບບດຽວກັນທຸກບ່ອນ ແລະ ມີເລກລຳດັບມະຕິ.

ກວດແບບຟອມກ່ອນເຂົ້າແຖວ

ຖ່າຍຮູບແບບຟອມຂອງກະຊວງທີ່ຕື່ມໄປເຄິ່ງໜຶ່ງ ແລ້ວຮູ້ວ່າຊ່ອງໃດຍັງຂາດ, ຕາປະທັບໃດຍັງບໍ່ມີ ແລະ ເອກະສານຄັດຕິດໃດທີ່ຫ້ອງການຈະສົ່ງທ່ານກັບບ້ານ.

ສາທາລະນະສຸກ

ອະທິບາຍປ້າຍຢາອອກສຽງ

ຮູບຖ່າຍປ້າຍຢາຈາກຮ້ານຂາຍຢາ — ທີ່ມັກພິມເປັນພາສາອື່ນທີ່ບໍ່ແມ່ນພາສາລາວ — ກາຍເປັນຄຳອະທິບາຍດ້ວຍສຽງ ເປັນພາສາລາວທີ່ເຂົ້າໃຈງ່າຍ ກ່ຽວກັບປະລິມານ ແລະ ເວລາກິນຢາ ສຳລັບຄົນເຈັບທີ່ອ່ານຊ້າ ຫຼື ອ່ານພາສານັ້ນບໍ່ໄດ້ເລີຍ.

ເຮັດໃຫ້ໃບອອກໂຮງໝໍເປັນປະໂຫຍດ

ຖ່າຍຮູບບົດສະຫຼຸບການອອກໂຮງໝໍ ແລ້ວໄດ້ “ສິ່ງທີ່ຕ້ອງເຮັດອາທິດນີ້” ເປັນພາສາທີ່ເວົ້າຢູ່ເຮືອນ ໂດຍໃສ່ວັນນັດກວດຄືນໄວ້ໃນການແຈ້ງເຕືອນ.

ກະສິກຳ

ວິນິດໄສໃບເຂົ້າຈາກຮູບຖ່າຍ

ສະແດງຈຸດທີ່ເປັນພະຍາດໃຫ້ເບິ່ງ ແລ້ວຮູ້ວ່າມັນຄ້າຍກັບຫຍັງ, ມັກຖືກສັບສົນກັບຫຍັງ ແລະ ຄວນໂທຫາຫ້ອງການກະສິກຳເມືອງໃດ — ພ້ອມກັບການປະຕິເສດຢ່າງຊັດເຈນ ທີ່ຈະແນະນຳສານເຄມີທີ່ມັນບໍ່ແນ່ໃຈ.

ອ່ານຖົງຝຸ່ນ ແລະ ຄິດໄລ່ປະລິມານ

ຖ່າຍຮູບຖົງ, ບອກເນື້ອທີ່ດິນອອກສຽງເປັນເຮັກຕາ ແລ້ວໄດ້ອັດຕາການປະສົມກັບຄືນມາເປັນຄຳຕອບດ້ວຍສຽງ ແບບອອບໄລນ໌ ໃນຂະນະທີ່ຢືນຢູ່ກາງທົ່ງ.

ການຄ້າ ແລະ ການເງິນ

ປ່ຽນກອງໃບບິນໃຫ້ເປັນຕາຕະລາງອາກອນມູນຄ່າເພີ່ມ

ຖ່າຍຮູບກອງໃບບິນ. ໄດ້ຕາຕະລາງທີ່ມີຜູ້ຂາຍ, ເລກປະຈຳຕົວຜູ້ເສຍອາກອນ, ວັນທີ, ອາກອນມູນຄ່າເພີ່ມ ແລະ ຍອດລວມ ພ້ອມໝາຍບ່ອນທີ່ໃບບິນບໍ່ແມ່ນໃບເກັບເງິນອາກອນມູນຄ່າເພີ່ມທີ່ຖືກຕ້ອງ ແລະ ຈະບໍ່ຜ່ານການກວດສອບ.

ກວດທຽບໃບຊຳລະເງິນຜ່ານ QR ກັບໃບແຈ້ງໜີ້

ພາບໜ້າຈໍໃບໂອນເງິນຈາກແອັບທະນາຄານ ຫຼື QR ແຫ່ງຊາດ ຖືກຈັບຄູ່ກັບໃບແຈ້ງໜີ້ທີ່ມັນຈ່າຍ ໂດຍກວດຈຳນວນເງິນ ແລະ ເລກອ້າງອີງ ແລະ ບອກຈຸດທີ່ບໍ່ກົງກັນອອກມາ ແທນທີ່ຈະປ່ອຍຜ່ານຢ່າງງຽບໆ.

ນັບຊັ້ນວາງສິນຄ້າ

ຖ່າຍຮູບຊັ້ນວາງ ແລ້ວໄດ້ລາຍການສິນຄ້າເປັນພາສາລາວ ພ້ອມຈຳນວນໜ້າສິນຄ້າ ແລະ ບ່ອນທີ່ວ່າງ — ວຽກທີ່ມື້ນີ້ ຕ້ອງມີຄົນຖືກະດານບັນທຶກ ຍ່າງຜ່ານລ່ອງຊັ້ນວາງສອງເທື່ອ.

ການສຶກສາ

ສ້າງບົດຮຽນຈາກໜ້າປຶ້ມແບບຮຽນ

ຖ່າຍຮູບໜ້ານັ້ນ ແລ້ວໄດ້ແຜນການສອນທີ່ຕິດພັນກັບເປົ້າໝາຍຂອງຫຼັກສູດແຫ່ງຊາດ ພ້ອມບອກຊັດເຈນເຖິງສອງເປົ້າໝາຍທີ່ໜ້ານັ້ນບໍ່ໄດ້ກວມເອົາ.

ກວດວຽກບ້ານພາສາລາວທີ່ຂຽນດ້ວຍມື

ຖ່າຍຮູບໜ້າຂອງນັກຮຽນ ແລ້ວໄດ້ຄວາມຜິດດ້ານການສະກົດຄຳ, ສະຫຼະ ແລະ ວັນນະຍຸດ ທີ່ຖືກໝາຍໄວ້ ພ້ອມກົດທີ່ແຕ່ລະຈຸດລະເມີດ — ເພື່ອໃຫ້ການກວດເປັນການສອນ ບໍ່ແມ່ນພຽງການໃຫ້ຄະແນນ.

ການທ່ອງທ່ຽວ ແລະ ການບໍລິການ

ແປເມນູໂດຍບໍ່ໃຫ້ອາຫານຫາຍໄປ

ຖ່າຍຮູບເມນູ. ແຂກໄດ້ພາສາຂອງຕົນ ແລະ ຂໍ້ມູນສານກໍ່ພູມແພ້; ອາຫານຍັງຄົງຊື່ພາສາລາວ ເພາະ ລາບ ບໍ່ແມ່ນ “ສະຫຼັດຊີ້ນ” ແລະ ຮ້ານອາຫານບໍ່ຄວນຕ້ອງທຳທ່າວ່າມັນແມ່ນ.

ອ່ານຈາລຶກ

ຖ່າຍຮູບຈາລຶກໃນວັດ ຫຼື ໃບລານ ແລ້ວໄດ້ການຖອດອັກສອນ, ຄຳອ່ານເປັນພາສາລາວທີ່ເຂົ້າໃຈງ່າຍ ແລະ ໝາຍເຫດຢ່າງຊື່ສັດ ວ່າຕົວອັກສອນໃດສຶກຫຼໍ່ຈົນອ່ານບໍ່ອອກແລ້ວ.

ອຸດສາຫະກຳ ແລະ ການຂົນສົ່ງ

ນຳໃບສົ່ງເຄື່ອງເຂົ້າລະບົບ

ຖ່າຍຮູບໃບສົ່ງເຄື່ອງທີ່ບ່ອນຂຶ້ນລົງສິນຄ້າ ແລ້ວປ່ອຍໃຫ້ຊ່ອງຂໍ້ມູນທີ່ມີໂຄງສ້າງເຂົ້າໄປໃນ WMS — ລວມທັງການແກ້ຈຳນວນທີ່ມີຄົນຂຽນດ້ວຍບິກ.

ຂຽນລາຍງານເຫດການຈາກພາບ

ພາບນິ່ງຈາກກ້ອງ CCTV ກາຍເປັນບັນທຶກເຫດການພາສາລາວ ທີ່ມີຄຳບັນຍາຍ ແລະ ເວລາກຳກັບ ໃນລະດັບພາສາທີ່ລາຍງານຕ້ອງຍື່ນ ເພື່ອໃຫ້ຄົນເຊັນ.

ການເຂົ້າເຖິງ

ອະທິບາຍຫ້ອງ

ສ່ອງກ້ອງ ແລ້ວຟັງເປັນພາສາລາວວ່າມີຫຍັງຢູ່ຕໍ່ໜ້າທ່ານ ທັນຕາມຈັງຫວະການຍ່າງ — ເປັນເຕັກໂນໂລຊີນີ້ໃນແບບທີ່ບໍ່ແມ່ນຄຸນສົມບັດເພີ່ມປະສິດທິພາບການເຮັດວຽກເລີຍ.

ໜ້າຕາໃນ API

endpoint ດຽວກັນ. ຮູບໜຶ່ງໃບໃນ array content ແລ້ວເຣົາເຕີຈັດການສ່ວນທີ່ເຫຼືອ — ນັ້ນແຫຼະຄືເຫດຜົນທັງໝົດທີ່ການຈັດເສັ້ນທາງຖືກສົ່ງມອບກ່ອນ.

POST /v1/messages
{
  "model": "auto",                     // the router picks
  "messages": [{
    "role": "user",
    "content": [
      { "type": "image", "source": { "type": "base64", "media_type": "image/jpeg", "data": "…" } },
      { "type": "text",  "text": "ແບບຟອມນີ້ຍັງຂາດຊ່ອງໃດແດ່" }
    ]
  }],
  "lao": { "register": "official", "dialect": "auto" }
}

// 200 OK
// { "routed_to": "LaoLLM-Vision", "then": "LaoLLM-Base",
//   "region": "la-vte-1", "usage": { "kip": 42.60 } }

ແຜນງານ

ສີ່ໄລຍະ. ບໍ່ມີອັນໃດເປັນວັນທີ: ແຕ່ລະໄລຍະຈະເປີດເມື່ອຊຸດປະເມີນຂອງມັນຜ່ານ ແລະ ຊຸດປະເມີນນັ້ນໃຫ້ຄະແນນໂດຍຄົນລາວ ບໍ່ແມ່ນໂດຍຕາຕະລາງຈັດອັນດັບ.

  1. 1
    ໄລຍະ 1 · ການອ່ານເອກະສານດ້ວຍພາບ

    ເອກະສານພາສາລາວທີ່ພິມ ແລະ ສະແກນ ຖືກປ່ຽນເປັນຊ່ອງຂໍ້ມູນທີ່ມີໂຄງສ້າງ. ຕົວເລກລາວ ແລະ ທັງສອງປະຕິທິນ ຖືກຈັດການຕັ້ງແຕ່ຕອນອ່ານ ບໍ່ແມ່ນມາແກ້ໄຂພາຍຫຼັງ.

    ປະຕູ
  2. 2
    ໄລຍະ 2 · ຮູບຖ່າຍ ແລະ ລາຍມື

    ຮູບຖ່າຍຈາກມືຖືທີ່ຖ່າຍອຽງ, ຕາປະທັບ, ກາປະທັບ ແລະ ລາຍມືລາວ. ນີ້ແມ່ນໄລຍະທີ່ຕັດສິນວ່າຜະລິດຕະພັນໃຊ້ໄດ້ຢູ່ນອກຫ້ອງການຫຼືບໍ່.

    ປະຕູ
  3. 3
    ໄລຍະ 3 · ສຽງ, ທຸກພາສາຖິ່ນ

    ສຽງເຂົ້າ ແລະ ສຽງອອກ ໃຫ້ຄະແນນແຍກກັນສຳລັບແຕ່ລະພາສາຖິ່ນ ແລະ ສຳລັບຄົນທີ່ເວົ້າພາສາລາວເປັນພາສາທີສອງ — ເພາະຄ່າສະເລ່ຍລວມ ຈະປິດບັງຄວາມລົ້ມເຫຼວທີ່ສຳຄັນນັ້ນພໍດີ.

    ປະຕູ
  4. 4
    ໄລຍະ 4 · ຂ້າມຮູບແບບເທິງເຄື່ອງ

    ໂມເດວພາບທີ່ບີບອັດ ທີ່ເຮັດວຽກແບບອອບໄລນ໌ເທິງມືຖື Android ລະດັບກາງ ສຳລັບວຽກທີ່ເກີດຂຶ້ນໃນບ່ອນທີ່ບໍ່ມີສັນຍານ.

    ປະຕູ

ເອກະສານອ້າງອີງ

ເອກະສານອ່ານປະກອບກ່ຽວກັບໂມເດວມັລຕິໂມດອລ ຈາກເອກະສານຕົ້ນສະບັບ ແລະ ບົດຄົ້ນຄວ້າທີ່ເປັນພື້ນຖານຂອງວົງການນີ້. ເປັນລິ້ງພາຍນອກ ບໍ່ມີສ່ວນກ່ຽວຂ້ອງກັບ LaoGPT.

IBMWhat is a multimodal LLM? — IBM

ຄຳນິຍາມສັ້ນທີ່ຊັດເຈນທີ່ສຸດຂອງໂມເດວພາສາຂະໜາດໃຫຍ່ແບບມັລຕິໂມດອລ ແລະ ໃຊ້ເຮັດຫຍັງ.

NVIDIAWhat are vision-language models? — NVIDIA glossary

ຕົວເຂົ້າລະຫັດຮູບ ເຊື່ອມກັບໂມເດວພາສາແນວໃດ ເພື່ອໃຫ້ມັນເບິ່ງເຫັນ.

WikipediaVision-language model — Wikipedia

ພາບລວມທີ່ເປັນກາງ ພ້ອມລາຍການອ້າງອີງກວ້າງຂວາງ ຖ້າທ່ານຢາກເຫັນຮູບຮ່າງຂອງວົງການກ່ອນລາຍລະອຽດ.

AnthropicVision — Claude API documentation

ເອກະສານພາກປະຕິບັດສຳລັບການສົ່ງຮູບໃຫ້ໂມເດວ ແລະ ຂໍ້ຈຳກັດພາກປະຕິບັດຂອງການເຮັດແນວນັ້ນ.

GoogleImage understanding — Gemini API documentation

API ທີ່ເປັນມັລຕິໂມດອລມາແຕ່ພື້ນຖານ ລວມທັງຮັບເອກະສານ ແລະ ວິດີໂອເປັນຂໍ້ມູນເຂົ້າ.

OpenAIImages and vision — OpenAI platform documentation

API ຮູບອີກອັນທີ່ໃຊ້ກັນຢ່າງກວ້າງຂວາງ ເພື່ອປຽບທຽບຮູບແບບຄຳຮ້ອງ.

Hugging FaceImage-text-to-text — Hugging Face

ຝັ່ງໂມເດວເປີດ: ຄຳນິຍາມຂອງວຽກ ແລະ ໂມເດວທີ່ທ່ານແລ່ນເອງໄດ້.

arXiv 2103.00020Learning Transferable Visual Models From Natural Language Supervision

CLIP, 2021 — ຮູບ ແລະ ຂໍ້ຄວາມ ຝຶກເຂົ້າໃນຕົວແທນຮ່ວມກັນ. ບົດຄົ້ນຄວ້າທີ່ວົງການສະໄໝໃໝ່ເລີ່ມຕົ້ນຈາກ.

arXiv 2204.14198Flamingo: a Visual Language Model for Few-Shot Learning

2022 — ວິທີສອນໂມເດວພາສາທີ່ຖືກແຊ່ແຂງ ໃຫ້ເອົາໃຈໃສ່ຮູບ.

arXiv 2304.08485Visual Instruction Tuning

2023 — LLaVA ແລະ ບາດກ້າວທີ່ເຮັດໃຫ້ໂມເດວພາບ-ພາສາ ລົມນຳໄດ້.

ໜ້າຫຼັກ ການຈັດເສັ້ນທາງອັດສະລິຍະ

ໂຄງການກ່ອນເປີດຕົວ

ເລືອກວິທີເຂົ້າຮ່ວມ

ເປີດຮັບສາມກຸ່ມ. ເລືອກກຸ່ມໜຶ່ງແລ້ວ ແບບຟອມຂ້າງລຸ່ມຈະຖືກຕັ້ງໃຫ້ — ປ່ຽນໄດ້ຢູ່ບ່ອນນັ້ນ.