本地多模态看图说话-llava

其中图片为bast64转码，方便json序列化。

其中模型llava为本地ollama运行的模型，如：ollama run llava

还有其它的模型如：llava-phi3，通过phi3微调过的版本。

实际测试下来，发现本地多模型的性能不佳，不佳也是肯定的，多模态图片评分本身也不高啊。