Showing:vision-language-modelStudentsClear ×
Replicate 發布了一篇趣味實用的技術教學，展示如何利用網路攝影機（Webcam）捕捉畫面，並透過 LLaVA 或 GPT-4V 等多模態視覺模型分析影像，最後結合 ElevenLabs 的語音合成技術，以經典自然紀錄片主持人大衛·艾登堡（David Attenborough）的口吻與聲音，為你的日常生活進行即時的幽默旁白。
