Korzystanie z modelu z funkcją przetwarzania obrazów w portalu Microsoft Foundry

Ukończone

Wskazówka

Aby uzyskać więcej szczegółów, zobacz kartę Tekst i obrazy .

Aby obsługiwać monity zawierające obrazy, należy wdrożyć wielomodalny model sztucznej inteligencji — innymi słowy, model obsługujący nie tylko dane wejściowe oparte na tekście, ale także dane wejściowe oparte na obrazach (i w niektórych przypadkach oparte na dźwiękach). Modele wielomodalne dostępne w rozwiązaniu Microsoft Foundry obejmują (między innymi):

  • Microsoft Phi-4-multimodal-instruct
  • OpenAI gpt-4.1
  • OpenAI gpt-4.1-mini

Wskazówka

Aby dowiedzieć się więcej o dostępnych modelach w rozwiązaniu Microsoft Foundry, zobacz artykuł Microsoft Foundry Models overview (Omówienie modeli rozwiązania Microsoft Foundry ) w dokumentacji rozwiązania Microsoft Foundry.

Testowanie modeli wielomodalnych przy użyciu monitów opartych na obrazach

Po wdrożeniu modelu wielomodalnego można go przetestować w środowisku testowym czatu w portalu Microsoft Foundry.

Zrzut ekranu przedstawiający plac zabaw czatu z monitem opartym na obrazie.

Na placu zabaw czatu możesz załadować obraz z pliku lokalnego i dodać tekst do wiadomości, aby uzyskać odpowiedź od modelu wielomodalnego.