想扒一张图大概是怎么描述的，得先去别处跑视觉模型、复制结果、再贴回出图界面，来回倒腾。找了一圈没见有能直接在界面里反推的，干脆自己写了一个。
现在是个独立标签页：上传或者直接粘贴图，选一个视觉语言模型，出来的就是对应风格的提示词，一键能塞进文生图或图生图，不用再来回复制。
模型第一次用的时候会自动拉下来。小的两三G显存就能跑，效果一般但够用；要质量就上大模型，显存吃得多，看你机器扛不扛得住。
除了扒图，另一个用法是给自己一堆素材批量打标。还在调，打标格式这块想听听大家平时的习惯，有需求直接提。
能加个逗号分隔的tag输出吗，打标我习惯这种格式
批量打标能自定义前缀不？训练集整理最需要这个
顶佬
1 个赞
小模型反推的准确率大概到什么水平，构图能识别对吗