ha-llmvision

移动设备上的快速多模态大语言模型

使用Ollama视觉模型（LLaVA、Qwen3-VL、Llama Vision）自动为图像生成文本描述的工具

跨任务、跨语言、跨模态的大规模自监督预训练

开源多模态大模型，支持视觉、语音和文本，在手机和边缘设备上表现优异。