OpenVINO2025轻松搞定四种生成式大模型部署

OpenCV学堂

发布于 2026-04-02 19:20:40

1430

下载与使用模型的方法

方式一：

使用huggingface-cli命令行工具下载，格式如下：

huggingface-cli download "OpenVINO/phi-2-fp16-ov" --local-dir model_path

下载DeepSeek R1 QWen蒸馏版本，命令行执行如下：

方式二：

直接使用预训练模型函数，自动下载

model_id = "OpenVINO/DeepSeek-R1-Distill-Qwen-7B-fp16-ov"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = OVModelForCausalLM.from_pretrained(model_id)

因为国内方位HuggingFace不方便，所以请把下面的代码放在最前面，然后运行，就可以使用HuggingFace镜像。

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

推理流程与SDK支持

OpenVINO GenAI的推理流程

SDK支持四种类型的模型，分别是LLM、VLM、Whisper、Text2Image对应的模型函数分别为：

# LLM大模型部署支持函数
pipe = openvino_genai.LLMPipeline(model_dir, device)
# VLM 视觉多模态大模型部署支持
pipe = openvino_genai.VLMPipeline(model_dir, device)
# 语音到文本大模型部署支持
pipe = openvino_genai.WhisperPipeline(whisper_base_dir, device)
# 图像生成式大模型支持
pipe = openvino_genai.Text2ImagePipeline(model_dir, device)

代码演示

LLM与chat robot代码演示(text2text)：基于TinyLlama 1B模型实现

def infer(model_dir: str):
    device = 'CPU'  # GPU can be used as well.
    pipe = openvino_genai.LLMPipeline(model_dir, device)
    config = openvino_genai.GenerationConfig()
    config.max_new_tokens = 100
    pipe.start_chat()
    while True:
        try:
            prompt = input('question:\n')
            if prompt == "exit":
                break
        except EOFError:
            break
        pipe.generate(prompt, config, streamer)
        print('\n----------')
    pipe.finish_chat()
model_dir = "D:/LLMs/TinyLlama-1.1B-Chat-v1.0"
infer(model_dir)

运行结果如下：

基于一个动漫风格的SD图像生成式模型完成图像生成代码演示(text2image)。

def main():
    prompt = input('question:\n')
    model_dir = "D:/LLMs/dreamlike_anime_1_0_ov/FP16"
    device = 'CPU'  # GPU can be used as well
    pipe = openvino_genai.Text2ImagePipeline(model_dir, device)
    image_tensor = pipe.generate(
        prompt,
        width=512,
        height=512,
        num_inference_steps=20,
        num_images_per_prompt=1,
        generator=Generator(42)  # openvino_genai.CppStdGenerator can be used to have same images as C++ sample
    )
    image = Image.fromarray(image_tensor.data[0])
    image.save("image.bmp")
if '__main__' == __name__:
    main()

运行提示词：

a white rabbit on the green grass ground

生成图像显示如下：

基于图像表述与分类演示(image2text)，基于InternVL2 1B模型，运行代码如下：

import numpy as np
import openvino as ov
import openvino_genai
from PIL import Image
# Choose GPU instead of CPU in the line below to run the model on Intel integrated or discrete GPU
pipe = openvino_genai.VLMPipeline("D:/LLMs/InternVL2-1B", "CPU")
image = Image.open("tuzi.png")
image_data = np.array(image)
image_data = ov.Tensor(image_data)
prompt = "Can you describe the image?"
result = pipe.generate(prompt, image=image_data, max_new_tokens=100)
print(result.texts[0])

输入图像：

得到图像语义描述如下：

基于Whisper的语音到文本识别与生成演示(speech2text):

import openvino_genai
import librosa
def read_wav(filepath):
    raw_speech, samplerate = librosa.load(filepath, sr=16000)
    return raw_speech.tolist()
whisper_base_dir = "D:/LLMs/whisper-base"
wav_file = "D:/LLMs/opencvxuetang_intro.wav"
device = "CPU" # GPU can be used as well
pipe = openvino_genai.WhisperPipeline(whisper_base_dir, device)
raw_speech = read_wav(wav_file)
print(pipe.generate(raw_speech, initial_prompt="以下是普通话的句子。"))

这个语音是我通过TTS模型生成的一段语音片段，然后Whisper会自动识别并给我翻译为文字，显示如下：

识别结果：