再来看视觉模型，也就是多模态模型
可以看到其实就是一个模型，能同时文字和图片，视频等，
这里有视觉转译。
这个经常用，其实就是把图片和提示词，同时作为提示词提供给模型。可以看到上面
这样就可以把图片的内容描述出来，然后使用。再作为知识库的内容，然后再进行切片等。
实际上千问也是支持视频理解的，但是没有上传视频的功能。
但是Gemini是有的，可以看到
news
2026/6/11 12:51:13
多模态从Agent构建到视频AIGC_视觉转译_融合推理_多模态应用场景_传统视觉模型和多模态模型对比_yolo_unet对比---AI大模型系统从零开始0009
张小明
前端开发工程师
1.2k
24
版权声明:
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设
2026/6/11 12:50:49
实战指南：ModOrganizer2智能路径识别机制与游戏兼容性修复
实战指南：ModOrganizer2智能路径识别机制与游戏兼容性修复 【免费下载链接】modorganizer Mod manager for various PC games. Discord Server: https://discord.gg/ewUVAqyrQX if you would like to be more involved 项目地址: https://gitcode.com/gh_mirrors…
李华
网站建设
2026/6/11 12:50:29
零样本手写汉字识别：信息熵与双视图结构对齐框架
1. 项目概述：零样本手写汉字识别的挑战与突破汉字作为世界上唯一持续使用至今的象形文字系统，其识别一直是模式识别领域的核心难题。传统基于深度学习的OCR技术在固定字符集上已取得显著成果，但当面对GB18030标准中超过8万个汉字时࿰…
李华
网站建设
2026/6/11 12:50:25
计算点云法向量
一、简介 1、什么是点云法向量 点云法向量是指点云中每个点处垂直于其局部拟合曲面的方向向量。由于点云本身只有离散的三维坐标，没有连续曲面，因此法向量需要通过邻域内若干邻近点的空间分布来估算，常见方法是对邻域点集进行主成分分析，取最小特征值对应的特征向量作为法…
李华
网站建设
2026/6/11 12:49:33
Java毕业设计-基于JavaScript的个性化音乐推荐系统的设计与实现(源码+LW+部署文档+全bao+远程调试+代码讲解等)
博主介绍：✌️码农一枚 ，专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者，博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围：&am…
)
李华
网站建设
2026/6/11 12:46:03
Topit窗口置顶技术深度解析：重新定义macOS多任务工作流
Topit窗口置顶技术深度解析：重新定义macOS多任务工作流 【免费下载链接】Topit Pin any window to the top of your screen / 在Mac上将你的任何窗口强制置顶 项目地址: https://gitcode.com/gh_mirrors/to/Topit 当我们沉浸在多任务处理的海洋中，…
李华
网站建设
2026/6/11 12:40:53
从WinHex实战到内存映射：深度解析PE文件头与节区布局
1. 初识PE文件：从二进制视角看Windows程序 第一次用WinHex打开一个exe文件时，我完全被那一串串十六进制数字搞懵了。这堆看似杂乱无章的代码，其实就是Windows程序的真面目——PE文件格式。就像拆解一台精密仪器，我们需要先了解它的…
李华