multimodal-models
✓當「CLIP」、「Whisper」、「穩定擴散」、「SDXL」、「語音到文字」、「文字轉影像」、「影像產生」、「轉錄」、「零樣本分類」、「影像文字相似性」、「修正」、「ControlNet」時使用
SKILL.md
| CLIP | Image + Text | Zero-shot classification, similarity | | Whisper | Audio → Text | Transcription, translation | | Stable Diffusion | Text → Image | Image generation, editing |
| Zero-shot classification | Compare image to text label embeddings | | Image search | Find images matching text query | | Content moderation | Classify against safety categories | | Image similarity | Compare image embeddings |
| ViT-B/32 | 151M | Recommended balance | | ViT-L/14 | 428M | Best quality, slower | | RN50 | 102M | Fastest, lower quality |
當「CLIP」、「Whisper」、「穩定擴散」、「SDXL」、「語音到文字」、「文字轉影像」、「影像產生」、「轉錄」、「零樣本分類」、「影像文字相似性」、「修正」、「ControlNet」時使用 來源：eyadsibai/ltk。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/eyadsibai/ltk --skill multimodal-models- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-17
- 更新時間
- 2026-02-18
快速解答
什麼是 multimodal-models？
當「CLIP」、「Whisper」、「穩定擴散」、「SDXL」、「語音到文字」、「文字轉影像」、「影像產生」、「轉錄」、「零樣本分類」、「影像文字相似性」、「修正」、「ControlNet」時使用 來源：eyadsibai/ltk。
如何安裝 multimodal-models？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/eyadsibai/ltk --skill multimodal-models 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/eyadsibai/ltk
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-17