Obtén más información sobre nuestros anuncios de Google AI Edge de I/O.

Se usó la API de Cloud Translation para traducir esta página.

Google AI Edge

IA integrada en el dispositivo para aplicaciones incorporadas, móviles y web

Soluciones integradas en el dispositivo, de modelos a canalizaciones

Acelera la implementación del AA, optimiza las canalizaciones y accede con facilidad a LLM potentes

MediaPipe

Realiza tareas comunes de visión, audio y lenguaje con las canalizaciones incluidas, o crea las tuyas. Incluye modelos para muchos casos de uso y es compatible con una variedad de LLM populares.

Más información

TensorFlow Lite

Implementa modelos creados en cualquier framework para dispositivos móviles, web y incorporados.

Más información

Gemini Nano

Accede a nuestro modelo Gemini más eficiente para tareas en el dispositivo mediante Android AICore. Próximamente en Chrome.

Más información

Explorador de modelos

Visualiza modelos de AA para solucionar problemas y encontrar objetivos de optimización con rapidez.

Más información

Pila de extremo a extremo con componentes de alto y bajo nivel

¿Cuáles son las novedades de I/O?

PyTorch en TFLite

Convierte fácilmente modelos de PyTorch a TensorFlow Lite con las nuevas herramientas integradas.

Más información

API generativa de Torch

Usa tus propias arquitecturas de LLM en TensorFlow Lite.

Más información

Modelos más grandes en la Web

Nuestra versión más reciente de la API de inferencia del LLM de MediaPipe ahora admite modelos más grandes en la Web, hasta Gemma 7B en int8, si el hardware lo permite.

Más información

LoRA en MediaPipe

Ajusta los modelos de LLM con las ponderaciones de LoRA para mejorar la exactitud con un impacto mínimo en el tamaño del modelo.

Más información

Explorador de modelos

Acelera la conversión, la cuantización y la depuración con una potente visualización de modelos.

Más información

MediaPipe

Crea con facilidad soluciones innovadoras de AA integradas en el dispositivo

Tareas de MediaPipe

APIs de poco código para implementar modelos de aprendizaje automático integrados en el dispositivo listos para usar.

Comenzar

MediaPipe Studio

Obtén una vista previa de las canalizaciones y los modelos en el dispositivo.

Comenzar

Creador de modelos de MediaPipe

Ajustar modelos con tus propios datos

Comenzar

Framework de MediaPipe

Accede a componentes de bajo nivel para compilar canalizaciones de AA integradas en el dispositivo con rapidez y flexibilidad.

Comenzar

Resuelve desafíos comunes con MediaPipe

Vision

Analiza imágenes y videos.

Natural Language

Comprende el significado detrás de un texto.

Audio

Escuchar y reconocer sonidos

Prueba las demostracionesPrueba las demostraciones

TensorFlow Lite

Una biblioteca ligera de varios frameworks para implementar modelos en dispositivos móviles, la Web y microcontroladores.

Elige un modelo

Elige un modelo nuevo, vuelve a entrenar uno existente o trae el tuyo propio con compatibilidad para TensorFlow, JAX y PyTorch.

Guía para desarrolladores

Conversión

Convierte un modelo en un búfer plano comprimido.

Guía para desarrolladores

Implementar

Toma el archivo comprimido .tflite, cárgalo y ejecútalo en un dispositivo.

Guía para desarrolladores

Cuantizar

Aumentar la velocidad del modelo y reducir el tamaño del modelo

Guía para desarrolladores

IA generativa que se ejecuta en el dispositivo

API de inferencia de LLM de MediaPipe

Ejecuta los LLM completamente integrados en el dispositivo y realiza una amplia variedad de tareas, como generar texto, recuperar información en formato de lenguaje natural y resumir documentos. La API proporciona compatibilidad integrada con varios modelos grandes de lenguaje de texto a texto, de modo que puedas aplicar los modelos de IA generativa más recientes integrados en el dispositivo a tus apps y productos. Más información

API generativa de Torch

Crea LLM de alto rendimiento en PyTorch y, luego, conviértelos para que se ejecuten en dispositivos con el entorno de ejecución de TensorFlow Lite (TFLite). Más información.

Gemini Nano

Accede a nuestro modelo Gemini más eficiente para tareas en el dispositivo mediante Android AICore. Próximamente en Chrome.

¿Por qué implementar AA en dispositivos perimetrales?

Lenta

Omite el proceso de ida y vuelta del servidor para procesar contenido multimedia fácil, rápido y en tiempo real.

Privacidad

Realiza inferencias de forma local, sin que los datos sensibles salgan del dispositivo.

Costo

Usa recursos de procesamiento integrados en el dispositivo y ahorra en costos del servidor.

Disponibilidad de la reproducción sin conexión

No hay conexión de red. No hay problema.