微信扫码
添加专属顾问
? https://github.com/OpenBMB/MiniCPM-V
? https://huggingface.co/openbmb/MiniCPM-V-2_6
git clone https://huggingface.co/openbmb/MiniCPM-V-2_6
git clone https://github.com/vllm-project/vllm.gitcd vllmpip install e .
from PIL import Imagefrom transformers import AutoTokenizerfrom vllm import LLM, SamplingParams# 图像文件路径列表IMAGES = ["/root/ld/ld_project/MiniCPM-V/assets/airplane.jpeg",# 本地图片路径]# 模型名称或路径MODEL_NAME = "/root/ld/ld_model_pretrained/Minicpmv2_6"# 本地模型路径或Hugging Face模型名称# 打开并转换图像image = Image.open(IMAGES[0]).convert("RGB")# 初始化分词器tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, trust_remote_code=True)# 初始化语言模型llm = LLM(model=MODEL_NAME,gpu_memory_utilization=1,# 使用全部GPU内存trust_remote_code=True,max_model_len=2048)# 根据内存状况可调整此值# 构建对话消息messages = [{'role': 'user', 'content': '(<image>./</image>)\n' + '请描述这张图片'}]# 应用对话模板到消息prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)# 设置停止符ID# 2.0# stop_token_ids = [tokenizer.eos_id]# 2.5#stop_token_ids = [tokenizer.eos_id, tokenizer.eot_id]# 2.6stop_tokens = ['<|im_end|>', '<|endoftext|>']stop_token_ids = [tokenizer.convert_tokens_to_ids(i) for i in stop_tokens]# 设置生成参数sampling_params = SamplingParams(stop_token_ids=stop_token_ids,# temperature=0.7,# top_p=0.8,# top_k=100,# seed=3472,max_tokens=1024,# min_tokens=150,temperature=0,use_beam_search=True,# length_penalty=1.2,best_of=3)# 获取模型输出outputs = llm.generate({"prompt": prompt,"multi_modal_data": {"image": image}}, sampling_params=sampling_params)print(outputs[0].outputs[0].text)
from transformers import AutoTokenizerfrom decord import VideoReader, cpufrom PIL import Imagefrom vllm import LLM, SamplingParams# 进行图片推理MAX_NUM_FRAMES = 64def encode_video(filepath):def uniform_sample(l, n):gap = len(l) / nidxs = [int(i * gap + gap / 2) for i in range(n)]return [l[i] for i in idxs]vr = VideoReader(filepath, ctx=cpu(0))sample_fps = round(vr.get_avg_fps() / 1)# FPSframe_idx = [i for i in range(0, len(vr), sample_fps)]if len(frame_idx)>MAX_NUM_FRAMES:frame_idx = uniform_sample(frame_idx, MAX_NUM_FRAMES)video = vr.get_batch(frame_idx).asnumpy()video = [Image.fromarray(v.astype('uint8')) for v in video]return videoMODEL_NAME = "openbmb/MiniCPM-V-2_6" # or local model pathvideo = encode_video("xxx.mp4")messages = [{"role":"user","content":"".join(["(<image>./</image>)"] * len(video)) + \"\nPlease describe this video."}]prompt = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True)tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)llm = LLM(model=MODEL_NAME,gpu_memory_utilization=1,max_model_len=4096)stop_tokens = ['<|im_end|>', '<|endoftext|>']stop_token_ids = [tokenizer.convert_tokens_to_ids(i) for i in stop_tokens]sampling_params = SamplingParams(stop_token_ids=stop_token_ids,use_beam_search=Truetemperature=0,max_tokens=64)outputs = llm.generate({"prompt": prompt,"multi_modal_data": {"image": {"images": video,"use_image_id": False,"max_slice_nums": 1 if len(video) > 16 else 2}}}, sampling_params=sampling_params_beam)
git clone https://github.com/vllm-project/vllm.gitcd vllmpip install e .
vllm serve /root/ld/ld_model_pretrained/Minicpmv2_6 --dtype auto --max-model-len 2048 --api-key token-abc123 --gpu_memory_utilization 1 --trust-remote-code
from openai import OpenAIopenai_api_key = "token-abc123" # your api key set in launch serveropenai_api_base = "http://localhost:8000/v1" # http idclient = OpenAI(api_key=openai_api_key,base_url=openai_api_base,)chat_response = client.chat.completions.create(model="/root/ld/ld_model_pretrained/Minicpmv2_6", # model_local_path or huggingface idmessages=[{"role": "user","content": [# NOTE: 使用图像令牌 <image> 的提示格式是不必要的,因为提示将由API服务器自动处理。# 由于提示将由API服务器自动处理,因此不需要使用包含 <image> 图像令牌的提示格式。{"type": "text", "text": "请描述这张图片"},{"type": "image_url","image_url": {"url": "https://air-example-data-2.s3.us-west-2.amazonaws.com/vllm_opensource_llava/stop_sign.jpg",},},],}],extra_body={"stop_token_ids": [151645, 151643]})print("Chat response:", chat_response)print("Chat response content:", chat_response.choices[0].message.content)
3.2 传入本地图片
from openai import OpenAIopenai_api_key = "token-abc123" # your api key set in launch serveropenai_api_base = "http://localhost:8000/v1" # http idclient = OpenAI(api_key=openai_api_key,base_url=openai_api_base,)# 用于传本地图片with open('your/local/pic/path','rb') as file:image = "data:image/jpeg;base64,"+ base64.b64encode(file.read()).decode('utf-8')chat_response = client.chat.completions.create(model="/root/ld/ld_model_pretrained/Minicpmv2_6", # model_local_path or huggingface idmessages=[{"role": "user","content": [# NOTE: 使用图像令牌 <image> 的提示格式是不必要的,因为提示将由API服务器自动处理。# 由于提示将由API服务器自动处理,因此不需要使用包含 <image> 图像令牌的提示格式。{"type": "text", "text": "请描述这张图片"},{"type": "image_url","image_url": {"url": image,},},],}],extra_body={"stop_token_ids": [151645, 151643]})print("Chat response:", chat_response)print("Chat response content:", chat_response.choices[0].message.content)
设备要求:运行非量化版内存超过19g,运行量化版超过8g内存
brew install ffmpegbrew install pkg-config
git clone -b minicpm-v2.5 https://github.com/OpenBMB/llama.cpp.git
cd llama.cppmake
a. 首先前往huggingface或者modelscope下载pytorch权重:
git clone https://huggingface.co/openbmb/MiniCPM-V-2_6
# 第一行为获得模型中间输出,为转换为gguf作准备python ./examples/llava/minicpmv-convert/minicpmv2_6-surgery.py -m ../MiniCPM-V-2_6# 将siglip模型转换为ggufpython ./examples/llava/minicpmv-convert/minicpmv2_6-convert-image-encoder-to-gguf.py -m ../MiniCPM-V-2_6 --minicpmv-projector ../MiniCPM-V-2_6/minicpmv.projector --output-dir ../MiniCPM-V-2_6/ --image-mean 0.5 0.5 0.5 --image-std 0.5 0.5 0.5# 将语言模型转换为ggufpython ./convert-hf-to-gguf.py ../MiniCPM-V-2_6/model
# quantize int4 version./llama-quantize ../MiniCPM-V-2_6/model/ggml-model-f16.gguf ../MiniCPM-V-2_6/model/ggml-model-Q4_K_M.gguf Q4_K_M
方法二:
5. 开始推理:
5.1 图片推理指令 ./llama-minicpmv-cli -m ./Minicpmv2_6gguf/ggml-model-Q4_K_M.gguf --mmproj ./Minicpmv2_6gguf/mmproj-model-f16.gguf -c 4096 --temp 0.7 --top-p 0.8 --top-k 100 --repeat-penalty 1.05 --image ./Minicpmv2_6gguf/42.jpg -p "这张图片中有什么?"
5.2 视频推理指令
./llama-minicpmv-cli -m /Users/liudan/Downloads/Minicpmv2_6gguf/ggml-model-Q4_K_M.gguf --mmproj /Users/liudan/Downloads/Minicpmv2_6gguf/mmproj-model-f16.gguf -c 8192 --temp 0.7 --top-p 0.8 --top-k 100 --repeat-penalty 1.05 --video ./Minicpmv2_6gguf/test_vedieo.mp4 -p "我接下来会给你一个视频,请告诉我视频中描述了什么"
git clone -b minicpm-v2.6 https://github.com/OpenBMB/ollama.gitcd ollama/llm
brew install go cmake gcc
go generate ./...
go build .
./ollama serve
vim minicpmv2_6.Modelfile
FROM ./MiniCPM-V-2_6/model/ggml-model-Q4_K_M.ggufFROM ./MiniCPM-V-2_6/mmproj-model-f16.ggufTEMPLATE """{{ if .System }}<|im_start|>system{{ .System }}<|im_end|>{{ end }}{{ if .Prompt }}<|im_start|>user{{ .Prompt }}<|im_end|>{{ end }}<|im_start|>assistant<|im_end|>{{ .Response }}<|im_end|>"""PARAMETER stop "<|endoftext|>"PARAMETER stop "<|im_end|>"PARAMETER num_ctx 2048
ollama create minicpm2.6 -f minicpmv2_6.Modelfile
ollama run minicpm2.6
What is described in this picture? /Users/liudan/Desktop/11.jpg
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-28
Om AI第二弹!VLX-Seek来了:3B小模型,细粒度感知反超Gemini
2026-06-22
小参数,大能力 | 星际视觉语言大模型再进化,0.8B轻量版正式发布
2026-06-16
RapidOCR: 从 setup.py 迁移到 pyproject.toml 打包实践
2026-06-12
PaddleOCR 3.7 正式接入ONNX Runtime,一个参数换后端,轻量部署新选择
2026-06-11
本地部署OCR,可能是AI进单位的第一道门
2026-06-08
正式推出 Gemma 4 12B: 一款统一、免编码器的多模态模型
2026-05-30
还在用 MinerU 解析 PDF?这个 2B 小模型直接把 olmOCR-bench 刷到 87.6%,速度还快 3.68 倍
2026-05-30
Qwen-VLA:迈向通用具身智能的统一动作框架
2026-04-22
2026-04-27
2026-04-21
2026-04-09
2026-04-15
2026-04-26
2026-04-21
2026-05-30
2026-04-22
2026-05-25
2026-03-12
2025-12-31
2025-08-04
2025-05-26
2025-05-13
2025-04-08
2025-04-05
2025-03-30
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。