作者：黄明明 OpenVINO™社区开发专家

1.关于API

OpenVINO™ Java API，旨在推动 OpenVINO™在Java领域的应用。OpenVINO™ Java API 由于是基于 OpenVINO™ 开发，所支持的平台与OpenVINO™ 一致，具体信息可以参考 OpenVINO™。 目前，开发者需要自行下载该项目，将其源代码中的 src 文件夹**到自己的代码当中，以便更好地利用 OpenVINO™ Java API 所提供的丰富功能和强大特性，为 Java 开发领域注入新的活力和创新元素。

2.关于OpenVINO™ GenAI

OpenVINO™ GenAI基于OpenVINO™工具和运行时，提供C++/Python API，支持多种生成式AI模型，包括文本生成、图像生成、语音转录与翻译以及图像处理等。以下是OpenVINO™ GenAI支持的主要用例：

文本生成模型：文本摘要、重写、聊天机器人等。

图像生成模型：基于Diffuser架构。

Whisper-based语音转录与翻译。

视觉语言模型（VLMs）：图像处理，如LLaVa等。

• OpenVINO™ GenAI库https://mp.weixin.qq.com/s/1nwi3qJDqAkIXnrGQnP3Rg

• OpenVINO™ 工具套件https://mp.weixin.qq.com/s/fORowUzzcPSVIO6AieoUKA

• Github仓：https://github.com/openvinotoolkit/openvino.genai

3.环境搭建

3.1 OpenVINO™ Java API 环境搭建

首先，你需要将项目代码从 GitHub 仓库克隆到本地环境。在终端中执行以下命令：

git clone https://github.com/Hmm466/OpenVINO-Java-API.git

使用 IDEA 打开并运行项目,克隆完成后，你可以使用 IntelliJ IDEA（以下简称 IDEA）专业版来打开该项目。具体步骤如下：

启动 IDEA，选择 File -> Open。

在弹出的文件选择对话框中，找到并选中刚才克隆下来的项目文件夹，点击 OK。

待 IDEA 完成项目的索引和加载后，你就可以运行项目了。一般而言，你可以通过点击 IDEA 工具栏上的运行按钮，或者使用快捷键（如 Shift + F10）来启动项目。

3.2 GenAI环境搭建

OpenVINO™ GenAI 支持通过 PyPI、Archive 归档包及 npm 发行版进行安装，适配 Linux、Windows 和 macOS 三大主流操作系统平台。针对 Linux 平台，PyPI 上的 GenAI、Tokenizers 及 OpenVINO™ 轮子包均经过编译优化，以适配更广泛的 Linux 发行版；而 Ubuntu 系统下的 C++ Archive 发行版则分别基于 _GLIBCXX_USE_CXX11_ABI=0 和 _GLIBCXX_USE_CXX11_ABI=1 两种应用二进制接口（ABI）编译。需要注意的是，不同 ABI 版本不可混合使用，否则会引发链接错误 —— 例如 C++ Archive 发行版中的 OpenVINO™ 库与 PyPI 渠道安装的 GenAI 组件搭配使用时，就可能因 ABI 不兼容导致此类问题。

如需获取适配的 Archive 版本库文件，可访问官方文档地址，根据自身操作系统及版本下载对应的归档包；下载完成后，将归档包解压至指定目录即可完成基础准备。若为 Linux 或 macOS 系统，需进一步参考 OpenVINO™ Java API 部署文档中的指引完成后续部署操作。

3.3 模型下载

由于Java API并不能调用模型下载的API，所以模型下载还是得通过HuggingFace Optimum进行模型下载。Optimum Intel 是 Transformers 和 Diffusers 库与 Intel 提供的各种工具和库之间的接口，用于加速 Intel 架构上的端到端流水线。

Optimum Intel 的众多用途之一是提供一个简单的接口来优化您的 Transformers 和 Diffusers 模型，将其转换为 OpenVINO™ 中间表示 (IR) 格式，并使用 OpenVINO™ Runtime 运行推理。optimum-cli 提供用于模型转换和优化的命令行界面。

通用命令格式：

optimum-cli export openvino --model <模型 ID 或路径> --task <任务> <输出目录>

其中，`task` 是要导出模型的任务。如果未指定，则将根据模型自动推断任务。您可以在 Optimum TaskManager 文档中找到任务和模型类之间的映射关系。此外，您可以使用 `--weight-format` 参数指定权重压缩格式，选项包括：fp32、fp16、int8 和 int4。对于 int8 和 int4 格式，权重压缩将使用 nncf 格式。有关模型导出的更多详细信息，请参阅 Optimum Intel 文档。

optimum-cli export openvino --model Qwen/Qwen2.5-VL-3B-Instruct Qwen2.5-VL-3B-Instruct/INT4 --weight-format int4 

4.部署运行

//Dll 所在路径，Linux 或者 Mac 可以直接置空String libPath = null;OvGenAI ovGenAI = new OvGenAI(libPath);ovGenAI.init();//加载模型.模型需要通过optimum-cli 下载String modelPath = "qwen-7b-chat\\INT4_compressed_weights";ovGenAI.loadLLMModel(modelPath);ovGenAI.setTokens(1024);ovGenAI.setDevice("GPU");ovGenAI.setLLMCallback(new OvGenAILLMCallback() {    @Override    public void generation(OvGenAIStatus ovGenAIStatus, String s) {        print("Status:" + ovGenAIStatus + "," + s);    }});print("output:" + ovGenAI.generation("什么是OpenVINO?",false));ovGenAI.releasePipeline();// ↑注意false 可以控制输出不从OvGenAILLMCallback 回调，直接返回，如果设置为True，则强制OvGenAILLMCallback返回，结果为NULL

5.效果展示

运行视频

更多资源:

• OpenVINO™：https://openvinotoolkit.github.io/

• OpenVINO™-GenAI：https://openvinotoolkit.github.io/openvino.genai/

• OpenVINO™ Java API：https://github.com/Hmm466/OpenVINO-Java-API

  (注意:由于现在API设计还不完善，待完善后将推送到Github)

 OpenVINO 小助手微信号： OpenVINO-China

如需咨询或交流相关信息，欢迎添加OpenVINO小助手微信，加入专属社群，与技术专家实时沟通互动。