KI in mobilen, Web- und eingebetteten Anwendungen bereitstellen
-
Auf dem Gerät
Latenz reduzieren. Offline arbeiten Daten lokal und privat halten
-
Plattformübergreifend
Dasselbe Modell für Android, iOS, das Web und eingebettete Inhalte ausführen
-
Mehrere Frameworks
Kompatibel mit JAX-, Keras-, PyTorch- und TensorFlow-Modellen.
-
Full AI Edge Stack
Flexible Frameworks, schlüsselfertige Lösungen, Hardwarebeschleuniger
Vorgefertigte Lösungen und flexible Frameworks
Low-Code-APIs für gängige KI-Aufgaben
Plattformübergreifende APIs zur Bewältigung gängiger Aufgaben aus den Bereichen Generative AI, Vision, Text und Audio
Mit MediaPipe-Aufgaben beginnenBenutzerdefinierte Modelle plattformübergreifend bereitstellen
Sie können JAX-, Keras-, PyTorch- und TensorFlow-Modelle effizient auf Android-, iOS-, Web- und eingebetteten Geräten ausführen, die für traditionelle ML und generative KI optimiert sind.
Einstieg in LiteRT
Entwicklungszyklen mit Visualisierung verkürzen
Visualisieren Sie die Transformation Ihres Modells durch Konvertierung und Quantisierung. Sie können Fehler bei Hotspots beheben, indem Sie die Benchmarkergebnisse überlagern.
Erste Schritte mit dem Modell-Explorer
Benutzerdefinierte Pipelines für komplexe ML-Features erstellen
Erstellen Sie Ihre eigene Aufgabe, indem Sie mehrere ML-Modelle mit Vor- und Nachverarbeitungslogik effizient verketten. Beschleunigte Pipelines (GPU und NPU) ausführen, ohne die CPU zu blockieren.
Erste Schritte mit dem MediaPipe-Framework {/2
Die Tools und Frameworks, die die Apps von Google unterstützen
Entdecken Sie den gesamten KI-Edge-Stack mit Produkten auf jeder Ebene – von Low-Code-APIs bis hin zu hardwarespezifischen Beschleunigungsbibliotheken.
MediaPipe-Aufgaben
Mit Low-Code-APIs können Sie schnell KI-Funktionen in mobile und Web-Apps einbinden. Diese APIs decken gängige Aufgaben ab, darunter generative KI, maschinelles Sehen, Text und Audio.
Generative KI
Mit einsatzbereiten APIs können Sie generative Sprach- und Bildmodelle direkt in Ihre Apps einbinden.
Vision
Entdecken Sie eine Vielzahl von Vision-Aufgaben wie Segmentierung, Klassifizierung, Erkennung, Erkennung und Orientierungspunkte für Ihren Körper.
Text und Audio
Sie können Text und Audioinhalte in vielen Kategorien klassifizieren, darunter Sprache, Stimmung und eigene benutzerdefinierte Kategorien.
Jetzt starten
MediaPipe Framework
Ein Low-Level-Framework zum Erstellen hochleistungsfähiger beschleunigter ML-Pipelines, oft mit mehreren ML-Modellen in Kombination mit Vor- und Nachverarbeitung.
LiteRT
Sie können KI-Modelle, die in einem beliebigen Framework erstellt wurden, mit optimierter hardwarespezifischer Beschleunigung auf Mobilgeräten, im Web und auf Mikrocontrollern bereitstellen.
Mehrere Frameworks
Modelle von JAX, Keras, PyTorch und TensorFlow für die Ausführung an der Edge konvertieren
Plattformübergreifend
Sie können dasselbe Modell mit nativen SDKs auf Android-, iOS-, Web- und Mikrocontrollern ausführen.
Leicht und schnell
Die effiziente LiteRT-Laufzeit belegt nur wenige Megabyte und ermöglicht die Modellbeschleunigung über CPU, GPU und NPU hinweg.
Jetzt starten
Modell-Explorer
Modelle visuell untersuchen, beheben und vergleichen Blenden Sie Leistungs-Benchmarks und numerische Werte ein, um problematische Hotspots zu erkennen.
Gemini Nano in Android und Chrome
Mit dem leistungsstärksten On-Device-Modell von Google generative KI-Anwendungen erstellen
