Skip to main content
تشغيل أي مهارة في Manus
بنقرة واحدة

llava

Large Language and Vision Assistant. Enables visual instruction tuning and image-based conversations. Combines CLIP vision encoder with Vicuna/LLaMA language models. Supports multi-turn image chat, visual question answering, and instruction following. Use for vision-language chatbots or image understanding tasks. Best for conversational image analysis.

النجوم١٨٩٬٢٥٣
التفرعات٣٢٬٦٨٠
آخر تحديث٨ مايو ٢٠٢٦ في ٢١:٢٧
مستكشف الملفات
2 ملفات
SKILL.md
readonly