Woodpecker

给多模态模型装上纠错器，让AI描述图片不再瞎编。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 28 🐛 待处理 2 👀 关注 13

GitHub ↗

GitHub 星标 ★ 649

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，完全免费，需自行部署使用。

项目预览

项目数据

分类开源模型

开发团队VITA-MLLM

GitHubhttps://github.com/VITA-MLLM/Woodpecker

定价模式🏷️完全免费

价格说明开源项目，完全免费，需自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型hallucination,hallucinations,large-language-models,llm,mllm,multimodal-large-language-models,multimodality

GitHub 星标★ 649

上线时间2023-09-26 00:00:00

代码更新2024-12-23

仓库体积21.7 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

Woodpecker 是一个针对多模态大语言模型（MLLM）的幻觉纠正工具。它通过训练一个轻量级的纠正器，在模型生成文本后，利用视觉知识库和交叉验证机制，自动检测并修正模型输出中与图像不符的内容。项目解决了多模态模型在描述图片时容易产生幻觉（即生成不存在的对象或错误属性）的问题，核心能力包括：基于视觉锚点的幻觉检测、利用外部知识库进行事实核查、以及通过微调小型语言模型实现低成本纠正。它不依赖重新训练庞大的基础模型，而是以即插即用的方式集成到现有MLLM流程中，提升生成内容的准确性和可靠性。

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 2026-08-09 · 当前星标 ★ 649

技术标签

hallucination hallucinations large-language-models llm mllm

使用教程

难度：高级约 90 分钟部署方式：本地GPU 5 步

环境要求

GPU 24G 显存
Python 3.10
预训练纠正器权重

安装与启动步骤

1建环境

官方指定 Python 3.10，别用太新的版本。
```
conda create -n corrector python=3.10
```
2装依赖

requirements 之外还要单独升级 spacy，它用来做实体级的事实比对。
```
pip install -U spacy
```
3下语言模型

把 spacy 的英文模型装上，实体识别不出来纠正就无从谈起。
```
python -m spacy download en_core_web_lg
```
4单条推理验证

inference.py 跑一条带幻觉的样本，看它能否定位到具体实体。
```
python inference.py
```
5起界面批量试

gradio_demo.py 支持双卡，能一次对比纠正前后的输出。
```
CUDA_VISIBLE_DEVICES=0,1 python gradio_demo.py
```