Компьютерное зрениеПоиск и RAGМузыка и звук

Perception Encoder (PE)

Семейство энкодеров Meta для картинок и видео, а с версией PE-AV — и для звука. PE-Core ищет по тексту точнее SigLIP 2 (по данным Meta), есть малые версии.

Разработчик
Meta, США
Первый выпуск
апр 2025
Последний выпуск
дек 2025
Размеры
размер на карточке не указан
Лицензия
Можно в коммерциюApache 2.0
Запуск
Через свой серверРаботает и без видеокарты
Сферы
Торговля и маркетплейсы, Медиа и продакшн, Безопасность, Производство и склад
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Поиск фото и видео по описанию
  • Разметка и теги каталога
  • Поиск по звуку и видео (PE-AV)

Где применяется

Онлайн-торговляМедиа и видеоархивыВидеонаблюдение и безопасность

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. PE-AV и PE-A-Frame (звук и видео)
  2. Малые PE-Core T и S, PE-Spatial
  3. PE-Core, PE-Lang, PE-Spatial (B, L, G)

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать Perception Encoder (PE) в коммерческом проекте?

Да. Лицензия: Apache 2.0. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для Perception Encoder (PE)?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли Perception Encoder (PE) русский язык?

Для этой модели язык не важен: она работает не с текстом.

Где скачать Perception Encoder (PE) и сколько это стоит?

Веса Perception Encoder (PE) лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Похожие модели

Компьютерное зрениеSigLIP (наследник CLIP)Google · СШАМожно в коммерцию

Модели, которые переводят картинки и текст в общее пространство: можно искать фото по словам и классифицировать изображения без обучения. CLIP от OpenAI (2021) — предшественник.

ПодробнееКомпьютерное зрениеDINOv2 / DINOv3Meta · СШАКоммерция с условиями

Базовые модели, которые превращают картинку в числовой «отпечаток». На них строят поиск похожих изображений, классификацию и сегментацию без большой разметки.

ПодробнееКомпьютерное зрениеMetaCLIP / MetaCLIP 2Meta · СШАТолько некоммерческое

Открытый повтор CLIP от Meta с прозрачным рецептом сбора данных. MetaCLIP 2 обучен на многоязычных данных со всего мира. Только некоммерческая лицензия.

Подробнее

Источник: github.com/facebookresearch/perception_models. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.