全部 skill

Zero-shot image classification and image-text search.EN

Vision-language chat: VQA, captioning, image dialogue.EN

OpenAI 连接视觉与语言的模型。支持零样本图像分类、图文匹配、跨模态检索。在 4 亿图文对上训练。用于图像搜索、内容审核、或无需微调的视觉语言任务。最适合通用图像理解。

大型语言与视觉助手。支持视觉指令微调与基于图像的对话。结合 CLIP 视觉编码器与 Vicuna/LLaMA 语言模型。支持多轮图像聊天、视觉问答、指令跟随。用于视觉语言聊天机器人或图像理解任务。最适合对话式图像分析。