multimodal-models
✓当“CLIP”、“Whisper”、“稳定扩散”、“SDXL”、“语音到文本”、“文本到图像”、“图像生成”、“转录”、“零样本分类”、“图像文本相似性”、“修复”、“ControlNet”时使用
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 |
当“CLIP”、“Whisper”、“稳定扩散”、“SDXL”、“语音到文本”、“文本到图像”、“图像生成”、“转录”、“零样本分类”、“图像文本相似性”、“修复”、“ControlNet”时使用 来源：eyadsibai/ltk。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/eyadsibai/ltk --skill multimodal-models- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-17
- 更新时间
- 2026-02-18
快速解答
什么是 multimodal-models？
当“CLIP”、“Whisper”、“稳定扩散”、“SDXL”、“语音到文本”、“文本到图像”、“图像生成”、“转录”、“零样本分类”、“图像文本相似性”、“修复”、“ControlNet”时使用 来源：eyadsibai/ltk。
如何安装 multimodal-models？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/eyadsibai/ltk --skill multimodal-models 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/eyadsibai/ltk
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-17