Scopri di più sui nostri annunci di Google AI Edge da I/O

Questa pagina è stata tradotta dall'API Cloud Translation.

Google AI Edge

IA on-device per applicazioni mobile, web e incorporate

Soluzioni on-device, dai modelli alle pipeline

Accelera il deployment del machine learning, ottimizza le pipeline e accedi facilmente a potenti LLM

MediaPipe

Esegui attività di visione artificiale, audio e linguaggio comuni utilizzando le pipeline incluse o creane di personalizzate. Include modelli per molti casi d'uso e supporta una varietà di LLM più diffusi.

Scopri di più

TensorFlow Lite

Esegui il deployment di modelli creati con qualsiasi framework su dispositivi mobili, web e incorporati.

Scopri di più

Gemini Nano

Accedi al nostro modello Gemini più efficiente per le attività sul dispositivo tramite Android AICore. Presto disponibile su Chrome.

Scopri di più

Esplorazione modelli

Visualizza i modelli di ML per risolvere rapidamente i problemi e trovare i target di ottimizzazione.

Scopri di più

Uno stack end-to-end con componenti di alto e basso livello.

Novità da I/O?

PyTorch in TFLite

Converti facilmente i modelli PyTorch in TensorFlow Lite con i nuovi strumenti integrati.

Scopri di più

API Torch Generative

Porta le tue architetture LLM in TensorFlow Lite.

Scopri di più

Modelli più grandi sul web

La nostra ultima versione dell'API MediaPipe LLM Inference ora supporta modelli più grandi sul web, fino a Gemma 7B e int8, a seconda dell'hardware.

Scopri di più

LoRA in MediaPipe

Ottimizza i modelli LLM utilizzando le ponderazioni LoRA per migliorare l'accuratezza con un impatto minimo sull'ingombro del modello.

Scopri di più

Esplorazione modelli

Velocizza la conversione, la quantizzazione e il debug con una visualizzazione dei modelli efficace.

Scopri di più

MediaPipe

Crea facilmente soluzioni ML innovative on-device

Attività MediaPipe

API low-code per il deployment di modelli di machine learning on-device pronti per l'uso.

Inizia

MediaPipe Studio

Visualizzare l'anteprima di pipeline e modelli on-device.

Inizia

Creatore di modelli MediaPipe

Perfeziona i modelli utilizzando i tuoi dati.

Inizia

Framework MediaPipe

Accedi a componenti di basso livello per creare pipeline ML on-device veloci e flessibili.

Inizia

Risolvi problemi comuni con MediaPipe

Vista

Analizza i dati tramite immagini e video.

Natural Language

Comprendi il significato del testo.

Audio

Ascolta e riconosce i suoni.

Prova le demoProva le demo

TensorFlow Lite

Una libreria multi-framework leggera per il deployment di modelli su dispositivi mobili, web e microcontroller.

Scegli un modello

Scegli un nuovo modello, riaddestra uno esistente o utilizzane uno tutto tuo, grazie al supporto di TensorFlow, JAX e PyTorch.

Guida per gli sviluppatori

Converti

Converti un modello in un flat buffer compresso.

Guida per gli sviluppatori

Esegui il deployment

Prendi il file .tflite compresso, caricalo ed eseguilo su un dispositivo.

Guida per gli sviluppatori

Quantizza

Aumenta la velocità del modello e riduci le dimensioni del modello.

Guida per gli sviluppatori

IA generativa, in esecuzione sul dispositivo

API MediaPipe LLM Inference

Esegui gli LLM completamente sul dispositivo ed esegui una vasta gamma di attività, come la generazione di testo, il recupero di informazioni in linguaggio naturale e il riepilogo dei documenti. L'API offre supporto integrato per più modelli linguistici di grandi dimensioni (LLM) da testo a testo, in modo da poter applicare i più recenti modelli di IA generativa on-device alle tue app e ai tuoi prodotti. Scopri di più

API Torch Generative

Crea LLM ad alte prestazioni in PyTorch, quindi convertili per l'esecuzione on-device utilizzando il runtime TensorFlow Lite (TFLite). Scopri di più.

Gemini Nano

Accedi al nostro modello Gemini più efficiente per le attività sul dispositivo tramite Android AICore. Presto disponibile su Chrome.

Perché eseguire il deployment del machine learning su dispositivi periferici?

Latenza

Evita il round trip del server per un'elaborazione dei contenuti multimediali semplice, veloce e in tempo reale.

Privacy

Esegui l'inferenza localmente, senza che i dati sensibili lascino il dispositivo.

Costo

Utilizza le risorse di calcolo on-device e risparmia sui costi di server.

Disponibilità offline

Nessuna connessione di rete, nessun problema.