iT邦幫忙

0

DAY30：多模態資料處理實作

學習筆記
妤 2025-10-28 12:17:04 ‧ 127 瀏覽

  • 分享至 

  • xImage
    •  

本次實作將僅展示有關功能實現部份的程式碼及輸出結果~

  1. 從圖片擷取文字（Image to Text）
    這裡我們將使用Groq API實作圖片中文字辨識功能。
    將圖片以Base64編碼傳入模型。
    模型識別出圖片中的中英文內容。
    https://ithelp.ithome.com.tw/upload/images/20251028/20169372oD2AakRJ8u.png
    https://ithelp.ithome.com.tw/upload/images/20251028/201693723cHzATmo8e.png

  2. 語音轉文字（Audio to Text）
    這裡我們使用OpenAI Whisper模型將語音內容轉換為文字。
    上傳mp3、wav或m4a檔。
    選擇欲使用的模型大小（tiny～large）。
    執行轉錄並輸出結果。
    https://ithelp.ithome.com.tw/upload/images/20251028/20169372X6Vu9LkiBd.png
    https://ithelp.ithome.com.tw/upload/images/20251028/20169372Hyab71Bghe.png


圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
902 組
團體組數
37 組
累計文章數
19747 篇
完賽人數
529 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 17th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# linux windows server css react
熱門問題
熱門回答
熱門文章
IT邦幫忙