- 博客(4)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Qwen3-VL-8B模型使用，实现图片、视频、3d文件到文本的转化
说直白点，就是我需要通过Qwen3-VL-8B-Instruct模型，告诉我这个图片（或者视频、3d文件）是什么，里面内容是什么，通过调用模型返回文本描述，简单理解就是把这些视觉文件转为文本，便于后续业务中使用。- **赛车场景**：阳光洒在赛道上，一辆印有“winner”字样的赛车驶过终点线（背景可见“success”“FAVORITE”等标语），多帧画面呈现赛车动态与光影变化，营造比赛胜利的氛围。- 底部为明显的**U型开口结构**，结合底部尖端，模拟嘴巴与下巴的形态；
2026-07-15 11:35:14
178
原创 基于MinerU抽取pdf、docx、xlsx、pptx等文件的内容
使用minerU实现抽取pdf、docx、xlsx、pptx等文件内容的功能研究
2026-07-09 14:33:58
251
原创 java语音识别，基于vllm、whisper、vosk对比
整体效果对比下来，vllm搭建的qwen3-asr-0.6b效果最好，如果资源充足可以下载更大的模型，响应速度取决于GPU资源。如果嫌vllm搭建麻烦可以使用whisper，效果将就能用，但部分文字会识别错误，且处理速度也慢些，最后vosk效果最差，错误漏字，乱码等，几乎不能使用。
2026-07-02 14:38:54
241
原创 常见的视频学习网站：(个人整理)
1、网易云课堂，地址：http://study.163.com/2、腾讯课堂，地址：https://ke.qq.com/3、百度传课、地址：https://www.chuanke.com/4、YY教育、地址：http://edu.yy.com/5、慕课网、地址：https://www.imooc.com/6、51CTO学院、地址：https://e...
2019-07-02 22:13:30
4118
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人