这是一个简单的演示工作流，展示了如何通过表单提交的汽车图像提取车牌号码 – 或者更一般地说，展示了如何：
使用表单触发器上传文件并将其输入到LLM
使用可更改的LLM模型进行图像到文本分析
设置步骤
导入工作流
确保您已注册账户、购买了一些积分并为OpenRouter.ai创建了API密钥
使用您的个人OpenRouter API密钥创建/适配OpenRouter凭据
“测试工作流”并提交带有车牌号码的汽车图像以提取其号码
如何适配
通过更改”Settings”节点中的”prompt”，您可以快速将此示例工作流适配到其他图像到文本用例，例如：
摘要：”总结图像中看到的内容”
位置查找：”识别图像拍摄的位置”
文本提取：”从图像中提取所有文本并将其作为markdown返回”
由于使用了OpenRouter，您还可以通过简单地更改”Settings”节点中的”model”来快速实验找到好的模型选择。以下模型在此演示用例中给出了良好的结果：
google/gemini-2.0-flash-001
meta-llama/llama-3.2-90b-vision-instruct
openai/gpt-4o
llama-3.2-11b甚至claude-3.5-sonnet没有在所有测试图像中识别所有字符。
使用通用LLM模型提供了一种快速原型化图像到文本应用程序的方法。对于严肃和可扩展的生产部署中的特定用例，请考虑使用专门为此目的制作的基于API的服务，例如：
Google Cloud Vision API
Microsoft Azure Computer Vision
Azure AI Document Intelligence
Amazon Textract
评论(0)