图文相似度 · 在你的设备上运行

图文相似度

输入几条描述，看看每条与图片的匹配程度。MobileCLIP-S0 把文字和图片映射到同一向量空间，余弦相似度就是匹配分。

由 Apple MobileCLIP 驱动

MOBILECLIP-S0 · IN-BROWSER

正在检查浏览器…

选择图片

JPEG、PNG 或 WebP · 最大 10 MB · Ctrl/Cmd+V 粘贴

要比较的句子（每行一条）把每行包装成“a photo of …”

CLIP 类模型的余弦相似度通常在 0–0.4 之间，应比较各行之间的差异而不是绝对值。

运行的是 Apple MobileCLIP-S0（第一代）的 Transformers.js 移植版。MobileCLIP2 目前没有浏览器版本；第二代 S0–S4 请使用 Python 教程。

结果与本机实测耗时会显示在这里。

图片最长边会缩小到 512 像素。分数表示相似度而非事实，建议同时测试无关标签。

图片、标签和结果都留在本机。使用统计只记录模型、步骤和耗时。

常见问题

零样本是什么意思？

模型从未针对你的标签训练过。它把图片向量和每个标签的文字向量做比较，所以任何短语都可以作为类别。

怎样写好标签？

使用简短、具体的名词短语，并保持模板开启。可以加一个“something else”之类的兜底标签，观察模型是否不确定。

这是 MobileCLIP2 吗？

不是。浏览器工具使用移植到 Transformers.js 的第一代 MobileCLIP-S0。MobileCLIP2 可通过 Python 在本地运行，见教程。

我的图片会上传吗？

不会。编码在浏览器的 Web Worker 中完成，只有首次使用时会从 Hugging Face 下载模型文件。