📚

多模态技术入门

1 篇

视觉语言模型、语音识别、图文生成的技术原理与上手实践。

• 09-21多模态接入实战：一张图片到底吃掉多少 token接入视觉大模型后账单翻了几倍？问题多半出在图片分辨率上——视觉 token 数随边长平方增长，边长翻倍 token 就翻四倍。本文讲清 token 是怎么来的、怎么压下去，以及降本时最容易掉进去的坑。多模态AI 工程化PythonAI