MiniGPT-4: Безплатен AI инструмент за преобразуване на изображение в текст, който можете да опитате днес

ChatGPT е страхотно, но в момента е ограничено само до текст - въвеждане на текст, извеждане на текст. GPT-4 трябваше да разшири това чрез добавяне на обработка на изображения, за да може да генерира текст въз основа на изображения.

OpenAI все още не е пуснал тази функция, но тук идва MiniGPT-4. Този проект с отворен код ни дава предварителен преглед на това, което представлява обработката на изображения GPT-4 може да е като - и е доста спретнато.

Какво е MiniGPT-4?

MiniGPT-4 е проект с отворен код, който беше публикуван в GitHub, за да демонстрира възможностите на визуалния език в AI система. Някои примери за това, което може да прави, включват генериране на описания на изображения, писане на истории въз основа на изображения или дори създаване на уебсайтове само от рисунки.

Въпреки това, което подсказва името, MiniGPT-4 не е официално свързан с OpenAI или GPT-4. Създаден е от група д-р. студенти, базирани в Саудитска Арабия в Университета за наука и технологии „Крал Абдула“. Той също така се основава на различен голям езиков модел (LLM), наречен Vicuna, който сам по себе си е изграден върху отворен код Large Language Model Meta AI (LLaMA). Не е толкова мощен като ChatGPT, но според оценката GPT-4 сама по себе си викуня достига до 90%.

Как да използвате MiniGPT-4

MiniGPT-4 е само демонстрация и все още е в първата си версия. Засега е достъпен безплатно на официалния сайт на групата. За да го използвате, просто плъзнете изображение или щракнете върху „Пуснете изображение тук“. След като бъде качен, въведете подканата си в полето за търсене.

Какви неща трябва да опитате? Е, искането на MiniGPT-4 да опише изображение е достатъчно просто. Но може би имате нужда от копие за публикация в Instagram за вашата компания. Или може би искате да знаете съставките, необходими за интересно ястие, и дори рецепта как да го приготвите. MiniGPT-4 може да се справи с тези задачи изненадващо добре.

Аспектите на кодирането са малко по-груби около краищата. Превръщането на обикновена рисунка на салфетка във функциониращ уебсайт беше трик, демонстриран от OpenAI, когато GPT-4 беше обявен за първи път. Но MiniGPT-4 изглежда все още не може да се справи с това толкова добре. ChatGPT ще осигури по-точен код - всъщност, изпълнявайки какъвто и да е кодът MiniGPT-4 през ChatGPT или GPT-4 ще ви донесе по-добри резултати.

Едно нещо, което трябва да се отбележи, е, че MiniGPT-4 наистина използва GPU на вашата локална система. Така че, освен ако нямате доста мощен дискретен графичен процесор, може да откриете, че изживяването е доста бавно. За контекст, изпробвах го на a M2 Max MacBook Proи отне около 30 секунди за генериране на текст въз основа на изображение, което качих.

Ограничения на MiniGPT-4

Скоростта на MiniGPT-4 със сигурност е ограничение. Ако се опитвате да получите достъп до това без някаква прилична графика, това е твърде бавно, за да се чувствате отзивчиви. Ако сте свикнали със скоростта на базирания в облак ChatGPT или дори Bing Image Creator, MiniGPT-4 ще се почувства болезнено бавен.

Освен това MiniGPT-4 има всички същите ограничения като ChatGPT или Google Bard или всеки друг AI чатбот, тъй като може да „халюцинира“ или да измисля информация.

Препоръки на редакторите

• Ето защо хората смятат, че GPT-4 може да става все по-глупав с времето
• ChatGPT: последните новини, спорове и съвети, които трябва да знаете
• Какво е DAN подкана за ChatGPT?
• Google Bard вече може да говори, но може ли да заглуши ChatGPT?
• Създателят на ChatGPT OpenAI е изправен пред разследване на FTC относно законите за защита на потребителите

Надградете начина си на животDigital Trends помага на читателите да следят забързания свят на технологиите с всички най-нови новини, забавни ревюта на продукти, проницателни редакционни статии и единствени по рода си кратки погледи.