中文 ｜ 🌍 EN 

AnyCaption

这是一个能够将图片内容推理为任何语言的标签工具，支持包括中文在内的26种语言。

---

部署方法：

1. 需要有conda，需要cuda12.1
2. conda create --name anycaption python=3.10.14
3. conda activate anycaption
4. pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
5. 打开终端，cd进项目文件夹内，输入：pip install -r requirements.txt
6. 下载模型
   1. mbart-large-50-many-to-many-mmt： 链接: https://pan.baidu.com/s/1Fw8kXYNPIMO9VJMpy2pRGA?pwd=3qsj 提取码: 3qsj。下载完将里面的模型放在“mbart-large-50-many-to-many-mmt”内。
   2. 下面两个模型可以都下载，也可以二选一：
      • Florence_2_large： 链接: https://pan.baidu.com/s/1Vczv6GOA9PjpaCJi2sPmRQ?pwd=zsmi 提取码: zsmi。下载完将模型放在Florence_2_large文件夹内；
      • MiniCPM-V-2_6： 链接: https://pan.baidu.com/s/1F-53qpFWEOjpoE26Lop8xQ?pwd=ifag 提取码: ifag。下载完将模型放在MiniCPM-V-2_6文件夹内。
7. 启动：python AnyCaptionUI.py
8. 你可以看到：

---

支持

1，语言：

"English","中文","日本語","韩文","Russian","French ","Deutsch","Español","Eesti","Suomi","阿拉伯语","Français","Italiano","Nederlands","Română","Türkçe","Afrikaans","Hrvatski","Bahasa Indonesia","Polski","Português","Svenska","Kiswahili","Xhosa","Galego","Slovenščina"

2，模型：

1. Florence_2_large(运行需要12GB显存) https://huggingface.co/microsoft/Florence-2-large
2. MiniCPM-V-2_6(运行需要20GB显存) https://huggingface.co/openbmb/MiniCPM-V-2_6/tree/main

---

注意

推理图片标签的时候，会将推理失败的图片放到新生成的error_img文件夹中，不过大多数情况下都会成功，这只是一个保险措施

---

开发计划

1. 即时的模型支持
2. 丰富标签处理工具
3. 图片分类工具

---

ai松柏君

📧：[email protected]

X：

B站主页：https://space.bilibili.com/523893438?spm_id_from=333.1007.0.0