blip-2-vision-language
द्वारा firecrawl
दृष्टि-भाषा पूर्व-प्रशिक्षण ढाँचा जो स्थिर छवि एन्कोडर और LLM को जोड़ता है। इसका उपयोग तब करें जब आपको छवि कैप्शनिंग, दृश्य प्रश्न उत्तर, छवि-पाठ... की आवश्यकता हो।
npx skills add https://github.com/firecrawl/ai-research-skills --skill blip-2-vision-language