低分辨率的照片一般不会修改,但是高分辨率的照片肯定会修改,每款视觉大模型都是训练出来的,都有自己的处输入像素限制,一旦超过就会压缩分辨率,所以你可以多试试,看看官方的文档介绍,测试的时候可以让大模型返回图片的尺寸,例如:
提示词:你是一个屏幕定位专家,我给你屏幕截图,请返回我要要执行的动作,例如点击、输入,当点击的时候告诉我屏幕元素的点击位置,当输入的时候,也告诉我输入框的位置坐标,并返回图片的元素像素宽度与高度,单位都是像素
网友回复
如何编写一个chrome插件实现多线程高速下载大文件?
cdn版本的vue在网页中出现typeerror错误无法找到错误代码位置怎么办?
pywebview能否使用webrtc远程控制共享桌面和摄像头?
pywebview6.0如何让窗体接受拖拽文件获取真实的文件路径?
如何在linux系统中同时能安装运行apk的安卓应用?
python有没有离线验证码识别ocr库?
各家的ai图生视频及文生视频的api价格谁最便宜?
openai、gemini、qwen3-vl、Doubao-Seed-1.6在ui截图视觉定位这款哪家更强更准?
如何在linux上创建一个沙箱隔离的目录让python使用?
pywebview如何使用浏览器自带语音识别与webspeech 的api?