ツールの仕組み
- モデルは初回に Hugging Face から取得され、ブラウザにキャッシュされます。
- 推論は Web Worker 内で GPU を使って実行され、FastVLM.net は画像を受信しません。
- 利用統計は固定のステップ名、モデル、所要時間のみを記録し、内容は含みません。
ツール · 端末内で実行
ブラウザで動く AI 画像ツール
各ツールは初回にオープンモデルを一度ダウンロードし、その後は WebGPU（記載がある場合は WebAssembly）で GPU 上で実行します。画像、ラベル、結果は端末内に残ります。
ブラウザ内
画像で質問
写真やスクリーンショットに質問し、文字を読み取り、グラフを説明。
- 使用モデル
- FastVLM-0.5B
- ダウンロード
- ≈1.1 GB
ブラウザ内
深度マップ生成
1枚の画像から深度マップを生成して PNG で保存。
- 使用モデル
- Depth Pro · Depth Anything V2
- ダウンロード
- 50 MB – 600 MB
ブラウザ内
ゼロショット画像分類
自分のラベルを入力し、画像に対してスコア順に並べます。学習不要。
- 使用モデル
- MobileCLIP-S0
- ダウンロード
- ≈55 MB – 110 MB
ブラウザ内
画像とテキストの類似度
CLIP 埋め込みで文章と画像の一致度をスコア化。
- 使用モデル
- MobileCLIP-S0
- ダウンロード
- ≈55 MB – 110 MB
ローカル手順
画像から3D
1枚の写真から近傍視点用の 3D Gaussian、または再照明可能なアセットへ。
- 使用モデル
- SHARP · Luce
- ダウンロード
- Local install
ブラウザ内
デバイスをベンチマーク
モデル読み込み、最初のトークン、トークン/秒を計測して結果を共有。
- 使用モデル
- FastVLM-0.5B
- ダウンロード
- ≈1.1 GB
ツールだけでなくモデルも知りたい？
各ツールは背後にある Apple モデルのページにリンクし、Python、MLX、ブラウザでの実行方法を掲載しています。
Apple モデルを見る