辟C# Winform使用NPOI获取Word内容：零基础也能精通的实战指南！q

VideoPipe项目仓库中已经提供了50多个集成传统AI算法模型的Sample源码，涉及到车牌识别、人脸识别、违章检测、图搜、OCR、AI变脸、目标检测、图像分类、图像分割等各个领域。在大模型逐渐成为主流的今天（多模态大模型赋能传统AI视觉算法领域中表现优秀），VideoPipe也支持大模型集成啦，这次重点介绍VideoPipe如何集成多模态大模型来完成视频（图片）分析相关任务。

快速开始

下面基于VideoPipe和阿里云qwen-vl多模态大模型实现一个简单的图片理解的功能：从本地磁盘读取图片序列（现实场景中可以从网络获取图片或视频数据），大模型根据事先定义的Prompt提示词，对图片进行识别理解，依次对图片进行标签化，然后将标签化结果叠加到图片下方，最后显示结果。

1、创建VideoPipe节点类型（事先准备好aliyun大模型服务api_key）

2、将节点串起来，组成Pipeline管道

3、启动管道（一共55行代码）

复制代码

1 #include "../nodes/vp_image_src_node.h"

2 #include "../nodes/infers/vp_mllm_analyser_node.h"

3 #include "../nodes/osd/vp_mllm_osd_node.h"

4 #include "../nodes/vp_screen_des_node.h"

5 #include "../nodes/vp_rtmp_des_node.h"

6

7 #include "../utils/analysis_board/vp_analysis_board.h"

8

9 /*

10 * ## mllm_analyse_sample_openai ##

11 * image(frame) analyse based on Multimodal Large Language Model(from aliyun or other OpenAI-compatible api services).

12 * read images from disk and analyse the image using MLLM using the prepared prompt.

13 */

14 int main() {

15 VP_SET_LOG_INCLUDE_CODE_LOCATION(false);

16 VP_SET_LOG_INCLUDE_THREAD_ID(false);

17 VP_SET_LOG_LEVEL(vp_utils::vp_log_level::INFO);

18 VP_LOGGER_INIT();

19

20 // create nodes

21 auto image_src_0 = std::make_shared("image_file_src_0",

22 0,

23 "./vp_data/test_images/llm/understanding/%d.jpg",

24 2,

25 0.5);

26 auto writing_prompt = "给图片打标签，要求包含：\n"

27 "1. 先仔细观察图片内容，为图片赋予适合的标签\n"

28 "2. 给出的标签最多不超过10个\n"

29 "3. 输出按以下格式：\n"

30 "通过仔细观察图片，可以为图片赋予这些标签：['标签1', '标签2', '标签3']。";

31 auto mllm_analyser_0 = std::make_shared("mllm_analyser_0", // node name

32 "qwen-vl-max", // mllm model name (support image as input)

33 writing_prompt, // prompt

34 "https://dashscope.aliyuncs.com/compatible-mode/v1", // api base url

35 "sk-XXX", // api key (from aliyun)

36 llmlib::LLMBackendType::OpenAI); // backend type

37 auto mllm_osd_0 = std::make_shared("osd_0",

38 "./vp_data/font/NotoSansCJKsc-Medium.otf");

39 auto screen_des_0 = std::make_shared("screen_des_0", 0);

40

41 // construct pipeline

42 mllm_analyser_0->attach_to({image_src_0});

43 mllm_osd_0->attach_to({mllm_analyser_0});

44 screen_des_0->attach_to({mllm_osd_0});

45

46 image_src_0->start();

47

48 // for debug purpose

49 vp_utils::vp_analysis_board board({image_src_0});

50 board.display(1, false);

51

52 std::string wait;

53 std::getline(std::cin, wait);

54 image_src_0->detach_recursively();

55 }

复制代码

运行效果

管道运行起来之后，大模型分析节点根据事先定义好的参数（模型名称、提示词、api_key）访问大模型服务，并解析大模型输出，随后显示节点将大模型输出绘制到图片中，并在控制台实时打印。VideoPipe目前支持的大模型后端有：OpenAI协议兼容服务、Ollama/vLLM本地部署服