待验证90% 置信事实时间未知

Gemma 4支持完全离线状态下的图像文字提取（OCR），采用视觉-语言多模态架构

1

来源数

90%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Gemma 4深度体验：谷歌顶级AI免费离线运行实测

bilibili声译看世界

涉及实体

相关事实

待验证Gemma系列模型采用SigLIP视觉编码器来处理图像输入75% 相似待验证Gemma 4 E2B 支持三大离线多模态能力：AI Chat（离线对话）、Ask Image（拍照识别）、Ask Audio（本地音频转录）72% 相似待验证该多模态对话系统支持图像内容识别、文字提取（OCR）和图文问答三类图像理解能力67% 相似待验证该工具集成了OCR光学字符识别功能，能够自动识别屏幕上的文字内容65% 相似待验证视觉模型接收每张屏幕截图并输出结构化信息，包括OCR识别文本、页面布局、UI控件的像素坐标框及元素状态64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/23873

API

curl https://kongchang.com/api/v1/knowledge/claims/23873

MCP

get_claim(id=23873)