微软 Phi-4 多模态及迷你模型上线，语音视觉文本全能

2 月 27 日消息，微软于 2024 年 12 月发布了 Phi-4，这是一款在同类产品中表现卓越的小型语言模型（SLM）。今日，微软进一步扩展 Phi-4 家族，推出了两款全新模型：Phi-4 多模态（Phi-4-multimodal）和 Phi-4 迷你（Phi-4-mini）。hZG28资讯网——每日最新资讯28at.com

hZG28资讯网——每日最新资讯28at.com

Phi-4 多模态模型是微软首款集成语音、视觉和文本处理的统一架构多模态语言模型，参数量达 56 亿。在多项基准测试中，Phi-4 多模态的表现优于其他现有的先进全模态模型，例如谷歌的 Gemini 2.0 Flash 和 Gemini 2.0 Flash Lite。hZG28资讯网——每日最新资讯28at.com

hZG28资讯网——每日最新资讯28at.com

在语音相关任务中，Phi-4 多模态在自动语音识别（ASR）和语音翻译（ST）方面超越了 WhisperV3 和 SeamlessM4T-v2-Large 等专业语音模型。微软表示，该模型在 Hugging Face OpenASR 排行榜上以 6.14% 的词错误率位居榜首。hZG28资讯网——每日最新资讯28at.com

hZG28资讯网——每日最新资讯28at.com

在视觉相关任务中，Phi-4 多模态在数学和科学推理方面表现出色。在文档理解、图表理解、光学字符识别（OCR）和视觉科学推理等常见多模态能力方面，该模型与 Gemini-2-Flash-lite-preview 和 Claude-3.5-Sonnet 等流行模型相媲美甚至超越。hZG28资讯网——每日最新资讯28at.com

注意到，Phi-4 迷你模型则专注于文本任务，参数量为 38 亿。其在文本推理、数学计算、编程、指令遵循和函数调用等任务中表现优异，超越了多款流行的大型语言模型。hZG28资讯网——每日最新资讯28at.com

为确保新模型的安全性和可靠性，微软邀请了内部和外部安全专家进行测试，并采用了微软人工智能红队（AIRT）制定的策略。经过进一步优化后，Phi-4 迷你和 Phi-4 多模态模型均可通过 ONNX Runtime 部署到设备端，实现跨平台使用，适用于低成本和低延迟场景。hZG28资讯网——每日最新资讯28at.com

目前，Phi-4 多模态和 Phi-4 迷你模型已在 Azure AI Foundry、Hugging Face 和 NVIDIA API 目录中上线，供开发者使用。hZG28资讯网——每日最新资讯28at.com

Phi-4 系列新模型的推出，标志着高效 AI 技术的重大进步，为各类人工智能应用带来了强大的多模态和文本处理能力。hZG28资讯网——每日最新资讯28at.com

本文链接：http://www.28at.com/showinfo-45-11226-0.html微软 Phi-4 多模态及迷你模型上线，语音视觉文本全能

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： 谷歌重组人力与云部门，裁员进行时，成本削减成重点

下一篇： 职业棋手比赛私藏手机用 AI 作弊被抓现行，被中国围棋协会撤销段位、禁赛 8 年