这个全屏图片描述和那个焦点图片描述。区别还是很大的。焦点图片描述的不准确
4 人生若只如初见 10个月前 342次点击
似乎描述的都不一样，你们来看看这两段文字。
图片中有一个男人站在一个房间里，他穿着一件印有豹纹图案的衬衫。房间的地板上铺着地毯，墙上挂着一幅画。在画面的左侧，可以看到一台电视和一个冰箱。
一个男人站在房间里，穿着一件花衬衫和短裤。他手里拿着一个大西瓜，似乎在摆姿势拍照。房间里有两把椅子，一把靠近左边，另一把靠近右边。背景中还有一张沙发。
这两段描述的都不一样，你们看看是哪一个描述的比较准确
图片中有一个穿着黑色夹克和蓝色牛仔裤的男子站在白色的墙前。他穿着一双黑色的鞋子，脚上还穿着袜子。图片中有一个穿着黑色夹克和蓝色牛仔裤的男子站在白色的墙前。他穿着一双黑色的鞋子，脚上还穿着袜子。
这一张识别的相当准确
不是你不把图片发上来，咱怎么看识别的正不正确
全屏的相对来说准确一些。
因为全屏识别和焦点识别是不一样的，焦点识别就是你摸到的那个焦点，而全屏的话整个屏幕
所以全品肯定会好一点
借此帖请教一下，我这里为啥无论选择任何接口，图片描述效果是一样的呢，也就是不能体现出详细描述的效果来。需要给什么权限吗？
你用的应该是一句话描述图像，你应该要用全屏图像描述或是焦点图像描述。
谢谢。问题解决。
这张图片展示了两只狗在一条人行道上玩耍。其中一只狗是棕色的，另一只狗是白色的。它们正在互相追逐，看起来非常开心。周围有一些绿色的植物和一些树木，地面上铺着一层泥土。
两只狗站在田野里，彼此对视。一只狗在左边，另一只在右边。它们似乎在互相观察对方。背景中有树木和一座建筑物。
我用的是全屏识别，同一张图片也出现了不同的结果差距还挺大的。
我有点疑问，这个接口好像不是讯飞星火那边的
是讯飞星火
好吧
要说准确率的话，那肯定是全屏识别会更加准确一点的。
这个是焦点图片识别的，识别的不准确，我明明在一个房间，他就说我站在一个有马桶的地方，这哪是马桶，这哪跟哪呀，识别的那么不准确图片显示一个男人站在浴室里，穿着一件黑色夹克和牛仔裤。他似乎在看着摄像机，可能在等待某人或某事。浴室里有一张马桶和一瓶洗手液。图片中有一个穿着黑色夹克和蓝色牛仔裤的男子站在白色的墙前。他穿着一双黑色的鞋子，脚上还穿着袜子。