iflytek-image-understanding

仓库创建 2026年3月30日最近提交 4 小时前SkillHot 收录 20 天前

▸ 精选理由

基于Spark Vision的图像理解，适合图像问答与自动标注场景。

▸ 风险提示

需调用讯飞视觉接口并上传图片，存在数据隐私泄露风险。

这个 Skill 做什么

对图片内容进行理解并回答问题，支持视觉问答与描述生成。

把图片“看懂”并用自然语回答问题或生成描述，能做视觉问答、场景描述和物体识别等。适合需要把图片内容转成文字说明、做辅助判定或界面无障碍场景时调用。底层用的是 Spark Vision 模型，支持实时交互式识别，能在脚本里直接接入做自动化处理。

▸ 展开 SKILL.md 英文原文

Use when user asks to analyze an image, describe image contents, or answer questions about a picture. iFlytek Image Understanding (图片理解) — analyze and answer questions about images using Spark Vision model. WebSocket API, pure Python stdlib, no pip dependencies.

数据与抓取图片理解视觉问答图像分析通用

213

Stars

Forks

仓库内 Skill

+14

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/iflytek/iFly-Skills/main/skills/iflytek-image-understanding/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/iflytek/iFly-Skills/main/skills/iflytek-image-understanding/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# ifly-image-understanding

Analyze images and answer questions about their content using iFlytek's Spark Vision model (图片理解).

## Setup

1. Create an app at [讯飞控制台](https://console.xfyun.cn) with 图片理解 service enabled
2. Set environment variables:
   ```bash
   export IFLY_APP_ID="your_app_id"
   export IFLY_API_KEY="your_api_key"
   export IFLY_API_SECRET="your_api_secret"
   ```

## Usage

### Describe an image

```bash
python3 scripts/image_understanding.py photo.jpg
```

### Ask a question about an image

```bash
python3 scripts/image_understanding.py photo.jpg -q "图片里有什么动物？"
```

### Use basic model (lower token cost)

```bash
python3 scripts/image_understanding.py photo.jpg --domain ge

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有