浦語靈筆是什么？
上海人工智能實(shí)驗(yàn)室（上海AI實(shí)驗(yàn)室）近日推出了首個(gè)圖文混合創(chuàng)作大模型書生·浦語靈筆(InternLM-XComposer)，該模型能夠根據(jù)用戶提供的主題或圖片，自動(dòng)創(chuàng)作出圖文并茂的文章，為大模型落地應(yīng)用提供更多可能。
浦語靈筆是基于書生·浦語大語言模型（InternLM）的多模態(tài)擴(kuò)展，書生·浦語是上海AI實(shí)驗(yàn)室今年7月以來陸續(xù)開源的7B(InterLM-7B)及20B(InternLM-20B)版本的大語言模型，為業(yè)界提供了完整的大模型研發(fā)與應(yīng)用基座，以及全鏈條工具體系。
項(xiàng)目地址：https://github.com/InternLM/InternLM-XComposer
浦語靈筆能做什么？
浦語靈筆不僅能夠進(jìn)行流利的中英文圖文對(duì)話，準(zhǔn)確理解圖像內(nèi)容，還具備了圖文并茂文章創(chuàng)作的全新能力。
用戶僅需提供主題或圖片，便可一鍵生成涵蓋歷史沿革、主要景點(diǎn)文物介紹等方面的長篇文章，并在適當(dāng)位置自動(dòng)插入與文字信息對(duì)應(yīng)的圖片。除自動(dòng)配圖能力外，浦語靈筆還提供了配圖推薦和更換功能，根據(jù)用戶實(shí)際需求定制圖文內(nèi)容。
目前，浦語靈筆已支持科普文稿、營銷廣告、新聞稿件、影視評(píng)論、生活指南等類型文章的圖文并茂生成，并將逐漸開放更多能力，適應(yīng)更多樣化任務(wù)需求。
浦語靈筆為圖文文章創(chuàng)作設(shè)計(jì)了“三步走”的算法流程：
- 首先，根據(jù)用戶輸入的主題或圖片，浦語靈筆利用其強(qiáng)大的寫作能力，創(chuàng)作出文采斐然的文章。
- 其次，浦語靈筆自動(dòng)分析文章內(nèi)容和段落布局，規(guī)劃需要插圖圖片的位置，并生成對(duì)圖片內(nèi)容需求的描述。
- 最后，采用從粗篩到精選的配圖策略，利用多模態(tài)大模型強(qiáng)大的圖像理解能力，從海量圖庫中選擇出最符合文章上下文內(nèi)容和整體圖像風(fēng)格的圖片，完成文章的自動(dòng)配圖。
浦語靈筆出色的圖文創(chuàng)作效果，得益于其多任務(wù)預(yù)訓(xùn)練模型（InternLM-XComposer-VL-7B）強(qiáng)大的多模態(tài)理解能力。
研究人員采用5個(gè)主流的多模態(tài)大模型評(píng)測對(duì)InternLM-XComposer-VL-7B進(jìn)行了詳細(xì)測試，包括MME Benchmark、MMBench、MMBench-CN、Seed-Bench和CCBench等中英文評(píng)測。
評(píng)測結(jié)果顯示，在上述5項(xiàng)評(píng)測中，浦語靈筆均體現(xiàn)出卓越性能，尤其是在中國文化理解方面，表現(xiàn)出深厚的知識(shí)積淀。
如何使用浦語靈筆？
浦語靈筆現(xiàn)已開源，同時(shí)上線GitHub、Hugging Face及魔搭社區(qū)（ModelScope），歡迎開發(fā)者下載試用。
項(xiàng)目地址：https://github.com/InternLM/InternLM-XComposer
