SmolVLM2

画像に対してSmolVLM2を実行します。

このワークフローブロックは、マルチモーダルな視覚言語モデルである SmolVLM2 を実行します。画像（文書や写真を含む）について質問すると、自然言語で回答を得られます。

型識別子

ステップで次の識別子を使用してください "type" フィールド： roboflow_core/smolvlm2@v1 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌
プロンプト	str	SmolVLM2 に追加の文脈を与えるための任意のテキストプロンプトです。指定しない場合は None になります。	❌
model_version	str	推論に使用される SmolVLM2 モデル。	✅

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

ランタイム互換性

ハード - ランタイム self_hosted_cpu；実行 ローカル : GPU が必要です。run_locally() は CUDA を必要とするモデルを読み込みます。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が SmolVLM2 のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • images (image): 推論対象の画像です..

  • model_version (roboflow_model_id)：推論に使用される SmolVLM2 モデル。

• 出力

  • parsed_output (辞書）：辞書。

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/smolvlm2@v1",
	    "images": "$inputs.image",
	    "prompt": "この画像には何が写っていますか？",
	    "model_version": "smolvlm2/smolvlm-2.2b-instruct"
	}