理解圖片與影片，不只是辨識眼前看見的內容。無論你是在從截圖讀取文字、分析圖表、檢視文件，還是想了解影片中發生了什麼，手動檢查視覺內容都可能又慢又困難。

來自阿里雲的 Qwen VL Plus 將視覺與語言理解結合在一起，讓你能在同一段對話中提供圖片、影片與文字指令。它可以辨識視覺細節、擷取文字、理解場景與文件，並根據看到的內容回答問題，讓視覺資訊更容易分析與運用。

🎯 Qwen VL Plus 的優點

• 深入理解視覺內容： 分析圖片與影片，辨識重要物件、文字、場景、版面配置與其他視覺資訊，而不是依賴人工檢視。
• 從圖片讀取文字： 辨識截圖、照片、文件、標誌與其他視覺內容中的文字，幫助將鎖在圖片中的資訊轉成可用文字。
• 針對所見內容提問： 提供圖片或影片給模型，並以自然語言提問，深入了解特定細節、解釋視覺資訊，或理解內容中的關係。
• 處理不同視覺格式： 支援多種視覺輸入，包括圖片、截圖、文件、圖表與支援的影片，適用於各種視覺分析任務。
• 將視覺資訊轉為結構化資料： 使用支援的結構化輸出，將從圖片擷取的資訊整理成一致格式，讓視覺分析更容易處理與重複使用。

💡 Qwen VL Plus 的使用情境

• 分析文件與截圖： 上傳掃描文件、截圖、表單或其他圖片型素材，請 AI 摘要內容、找出特定資訊，或解釋畫面所示內容。
• 從圖片擷取文字： 將照片、截圖、標誌與文件中的可見文字轉成可用資訊，不必手動逐字輸入。
• 理解圖表與示意圖： 請 AI 解讀圖表、示意圖、表格與其他視覺呈現，找出關鍵資訊、關係與趨勢。
• 檢視照片與視覺場景： 分析圖片中的物件、環境、版面與互動，用於視覺檢查、描述、分類或內容理解。
• 分析影片內容： 提供支援的影片，請 AI 摘要場景、辨識事件，或回答影片中發生了什麼。Qwen VL Plus 支援影片輸入，根據阿里雲目前限制，Qwen-VL-Plus 系列的影片檔案最長可達 10 分鐘。

🔮 Qwen VL Plus 的功能

• 圖片理解： 結合自然語言指令分析圖片，辨識視覺元素、理解場景，並根據圖片內容回答問題。
• 影片理解： 處理支援的影片輸入，理解跨畫面的視覺事件與資訊，適合影片分析與摘要。
• 更強的細節與文字辨識： Qwen VL Plus 具備更佳的細節辨識與文字辨識能力，支援超過 100 萬像素的高解析度圖片與彈性長寬比。
• 結構化輸出： 從視覺輸入產生有效的結構化輸出，讓擷取資訊能整理成一致格式，便於後續處理與重複使用。
• 大型上下文視窗： 最多可處理 131,072 個 tokens 的上下文，讓模型能在單次互動中處理大量文字與視覺資訊。

從 Qwen VL Plus 到超過 40 種用於寫作、圖片、文件、音訊、影片與生產力的 AI 工具，透過 1min.AI 更有效率地理解、分析與創作。

如果你有任何問題，請在右下角與我們的 AI Live Chat 聊天，或透過 support@1min.ai 聯絡我們。