ds-vision-skill

给纯文本模型装上眼睛,图片问答不求人

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 计算机视觉 🍴 复刻 11
GitHub ↗
GitHub 星标 ★ 158
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费

项目预览

ds-vision-skill 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队Sorwcyra
定价模式🏷️完全免费
价格说明开源免费
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言PowerShell
GitHub 星标★ 158
上线时间2026-08-01 00:00:00
代码更新2026-11-20
仓库体积7.8 MB
本站数据更新2026-11-21
维护状态活跃
收录时间2026-10-07
浏览次数3

项目介绍

ds-vision-skill 是一个为纯文本大模型补上视觉能力的技能套件,主要面向 DeepSeek 等不具备原生多模态输入能力的模型。它通过一套可复用的技能流程,把图片理解、描述、OCR 等视觉任务拆解为文本模型可执行的步骤,让原本只能处理文字的模型也能“看图说话”。项目用 PowerShell 编写,适合在 Windows 环境下快速接入,无需改动模型本身即可扩展图像能力。核心价值在于降低多模态能力的接入门槛,让开发者用现有文本模型完成图片问答、内容提取等任务,而不必切换到昂贵的多模态模型。对于想低成本验证视觉场景、或在本地/私有环境里给文本模型加视觉外挂的团队,这是一个轻量、可组合的起点。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-07 · 当前星标 ★ 158

核心亮点

  • 用 PowerShell 实现,Windows 环境零依赖快速跑通
  • 把视觉任务拆成文本模型可执行的技能步骤,不改模型即可扩展
  • 面向 DeepSeek 等文本模型,降低多模态接入成本

不足之处

  • 仅支持 PowerShell,跨平台与 Linux 部署受限
  • 早期项目,技能覆盖面和稳定性待更多验证

适用场景

  • 给 DeepSeek 等文本模型加图片问答能力
  • 本地/私有环境做图片内容提取与 OCR 辅助
  • 低成本验证多模态场景,避免直接换多模态模型

替代项目

LLaVA、MiniGPT-4

上一篇:Altbot

下一篇:Porda-AI

同类项目推荐

RCS-YOLO 开源

给 YOLO 加注意力模块,脑肿瘤检测又快又准

[MICCAI'23] Official implementation of "RCS-YOLO: A Fast and High-Accuracy Object De···

★ 102 2026-10-14
sparsefusion 开源

从稀疏视角生成高质量3D模型,重建新视角图像

[CVPR 2023] SparseFusion: Distilling View-conditioned Diffusion for 3D Reconstructio···

★ 380 2026-08-09
talk2bev 开源

让自动驾驶地图能听懂人话,直接问答周围环境

Talk2BEV: Language-Enhanced Bird's Eye View Maps (ICRA'24)

★ 126 2026-08-09
makeacopy 开源

离线拍照扫文档,OCR 转文字,隐私不外泄

MakeACopy is an open-source document scanner app for Android that allows you to digi···

★ 623 2026-09-19
NI-Tex 开源

从平铺图一键生成贴合人体的3D服装纹理

[CVPR 2026 Highlight] It's the official repository of "NI-Tex: Non-isometric Image-b···

★ 75 2026-08-09
ComfyUI-Qwen-VL-API 开源

在ComfyUI里直接调用通义千问视觉模型,让图像生成更智能

QWen-VL-Plus & QWen-VL-Max in ComfyUI

★ 219 2026-08-09
ocr-rs 开源

Rust 一行调用,多语言 OCR 本地跑

高性能OCR识别库,支持上百种语言,提供命令行、图形界面及C API多种调用方式,使用便捷高···

★ 353 2026-09-19
MOOSE 开源

一次 PET/CT 扫描,自动分割 120 类器官组织

MOOSE (Multi-organ objective segmentation) a data-centric AI solution that generates···

★ 352 2026-11-12
FernRPExample 开源

在Unity里用Stable Diffusion生成贴图,直接驱动NPR/PBR渲染

This project is the implementation of FernRP Package, Include NPR/PBR.

★ 937 2026-08-09