待验证50% 置信事实精确时间
Florence-2-Large 是一个视觉基础模型，采用序列到序列的 Transformer 结构，接收图像与文本提示输入并输出文本形式的任务结果。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证realistic-vision-v4.0 是图像生成模型，与 Florence-2-Large 功能相反、互为补充。67% 相似待验证在AI漫剧制作中，分镜脚本的画面描述会被转化为文生图模型的输入，脚本撰写同时是视觉编程工作67% 相似待验证千问Image 2.0 Pro支持文生图和图生图两种模式，文生图通过语义理解逐步去噪生成图像，图生图在参考图的视觉特征约束下进行风格迁移或内容修改66% 相似待验证DALL·E 1基于离散VAE和Transformer架构实现文本到图像生成64% 相似待验证多模态视觉Agent通过截图向模型反馈前端页面实际渲染效果，形成截图→分析→修改提示词→重新生成的闭环，是相比纯文本模型的核心优势64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1050783API
curl https://kongchang.com/api/v1/knowledge/claims/1050783MCP
get_claim(id=1050783)