图文问答

Meta推出的多模态大语言模型，性能超越多数同类开源闭源模型 Llama-3.2-11B-Vision是Meta发布的多模态大型语言模型，同时具备图像与文本处理能力，核心能力覆盖视觉识别、图像推理、图像内容描述、图像相关问题解答。该模型在主流行业基准测试中，表现超过市面大量开源与闭源多模态模型，可支持各类图文结合AI任务的开发与调用。

AI驱动的图文问答工具，支持上传照片提问实现图像转文本 ChatPhoto是依托AI技术的图文交互工具，用户可单张或批量上传图片，针对图片内容提出相关问题，工具将基于图片内容输出对应回答，同时支持一键将结果复制到剪贴板。区别于传统仅提取文字的OCR工具，该工具可基于图片内容深度交互，完成图像内容转文本输出，满足多样图文处理需求。