需求人群：

"该产品适合需要在端侧设备上进行高效多模态交互的开发者和企业，如智能手机、平板电脑等移动设备，以及需要进行图像识别、语言处理和多语言交互的场景。"

使用场景示例：

在智能手机上进行图像和文本的多模态交互。

使用模型进行场景文字识别和信息提取。

跨语言的多模态对话和内容生成。