Analyze images using GPT-4 Vision for detailed description, OCR text extraction, object recognition, and visual Q&A. Use when the user needs to understand image content, extract text from screenshots, identify objects in photos, or ask questions about images via OpenAI GPT-4 Vision API.
一个基于 OpenAI GPT-4 Vision 的图片理解工具，支持图片描述、文字识别(OCR)、物体识别和图片问答。
| 功能 | 命令 | 说明 |
|---|---|---|
| 图片描述 | -m describe | 详细描述图片内容 |
| 文字提取 | -m ocr | 提取图片中的所有文字 |
| 物体识别 | -m objects | 识别并列出图片中的物体 |
| 图片问答 | -m qa | 针对图片回答问题 |
# 安装依赖
pip install openai pillow requests
set OPENAI_API_KEY=sk-your-api-key-here
python scripts/main.py -i photo.jpg -a sk-your-key
# 描述图片
python scripts/main.py -i photo.jpg -m describe
# 提取文字（OCR）
python scripts/main.py -i screenshot.png -m ocr
# 识别物体
python scripts/main.py -i photo.jpg -m objects
# 图片问答
python scripts/main.py -i photo.jpg -m qa -q "这个图片里有什么？"
python scripts/main.py \
--image PATH_TO_IMAGE \
--mode describe|ocr|objects|qa \
--api-key YOUR_API_KEY \
--prompt "你的问题" \
--output OUTPUT.json \
--verbose
{
"mode": "describe",
"image": "photo.jpg",
"result": "A beautiful sunset over the ocean with orange and purple sky...",
"objects": [],
"text": ""
}