Qwen2.5 VL 图像分析演示

基于通义千问 Qwen2.5 VL（视觉语言）模型的图像分析演示项目。提供 Web 界面和本地 Gradio 界面两种使用方式。

功能特点

Web 版本 (app.py)

• 批量上传分析多张图片
• 自定义提示词引导分析
• 实时图片预览
• Markdown 格式结果展示
• 支持下载分析结果
• 响应式界面设计

本地版本 (local-qwen.py)

• 适用 Mac M 芯片
• Gradio 简洁界面
• 本地模型推理
• 中英双语支持
• 可调节生成参数

使用方法

Web 版本

1. 安装依赖

pip install flask openai

2. 配置 API

• 在 app.py 中设置魔搭平台 API Token
• 获取地址：https://modelscope.cn/my/myaccesstoken

3. 运行服务

python app.py

4. 访问 http://localhost:5000

本地版本

1. 安装依赖

pip install gradio mlx-vlm

2. 运行

python local-qwen.py

3. 打开浏览器访问 Gradio 界面

注意事项

1. Web 版本需要有效的魔搭平台 API Token
2. 本地版本需要足够的计算资源来运行模型
3. 上传图片大小和格式可能有限制
4. 分析结果的生成可能需要一定时间，请耐心等待

高级功能演示

克隆 https://github.com/QwenLM/Qwen2.5-VL 到本地，将 computer_use.py 和 spatial_understanding_boat.py 放到 cookbooks 文件夹。

界面交互分析 (computer_use.py)

功能:

• 界面元素定位和交互指令理解
• 可视化点击位置和交互建议
• GUI 自动化测试支持
• 自定义颜色标注

使用:

# 设置 API Key (从 https://bailian.console.aliyun.com/ 获取)
api_key="your key"

python computer_use.py

空间理解分析 (spatial_understanding_boat.py)

功能:

• 多目标检测和定位
• 自动边界框绘制标注
• 智能图像尺寸调整
• 自定义检测提示词
• 多色标注支持

使用:

# 配置 API Key (从 https://bailian.console.aliyun.com/ 获取)
api_key="your key"

python spatial_understanding_boat.py

注意事项

• Web 版本需要魔搭平台 API Token
• 本地版本需要足够计算资源
• 图片大小和格式可能受限
• 分析结果生成需要一定时间