支持 jasper en vision language v1

[Yikai-Liao]

https://huggingface.co/NovaSearch/jasper_en_vision_language_v1

我需要做Arxiv摘要的Embedding，MTEB上我进行了筛选，在Arxiv任务上这个模型目前是很好的选择（不知道为啥conan没有这个任务的数据）

这个模型的原始模型是Qwen架构，使用了Full Attention，不是Decoder only 结构。我尝试了直接使用 open vino 加速，导出失败了，我询问了作者，他不了解如何进行模型加速，所以这个模型加速实现可能会有一些困难，我不确定。

[shell-nlp]

@Yikai-Liao 这个模型是基于VL模型训练的，所以暂时还不支持，后面我也研究一下怎么支持，其实就是用 vllm 框架进行加速

[Yikai-Liao]

这模型现在推理太慢了，cpu 推理耗时是 conan v1 的 4 倍左右，虽然我是 github action 抽 Embedding，白嫖

[shell-nlp]

@Yikai-Liao https://docs.vllm.ai/en/latest/models/supported_models.html 你可以尝试这样部署，先使用vllm 看能否部署， 如果可以的话，可以跟我说一下，我后面也支持一下

[Yikai-Liao]

cpu 版本没有预编译的，编译阶段就炸了

[Yikai-Liao]

我测试了，jasper v1 的 text 部分来自 stella v5，可以 vLLM 加速，不需要任何改动，直接用，SigLip 加速应该也没问题，就是俩拼一块不清楚该怎么加速，目前没法直接加速。不过感觉可以把权重复制到 stella 模型里直接先用上