今天给大家分享一个基于视觉和文本的聊天机器人，使用DeepSeek-VL-7B模型提供文本和图像的自动化生成回复，它允许用户在与机器人交互时提交文本和图像输入。
DeepSeek-VL简介DeepSeek-VL系列代表了在多模态AI领域的一大突破，提供了两种不同规模的模型，分别是13亿参数和70亿参数模型。这些模型利用了DeepSeekAI自研的语言模型DeepSeek-LLM和视觉编码器SigLIP-L的组合，能够处理不同分辨率的图像输入，其中70亿参数规模的模型支持1024×1024分辨率图像的输入，而13亿参数规模的模型支持384×384分辨率图像输入。
在多个标准评测数据集上，DeepSeek-VL系列模型展示了其卓越的多模态理解能力。特别是70亿参数的DeepSeek-VL-7B模型，在多模态理解能力评测数据集上取得了领先的成绩，证明了其在高精度多模态任务处理上的优势。
离线懒人包来了老规矩，还是无套路直接分享给大家。大家下载到本地解压即用，请注意不要放置在含中文的文件路径中。
大家下载解压到本地。
①双击“一键启动.exe”。
②双击一键启动程序后，会打开一个命令提示窗口，项目会自动运行。加载成功后，请自行复制以下网址在浏览器打开“ http://127.0.0.1:7860/”，记得点点关注不迷路哦，后续还有更多酷炫的AI项目分享~
③打开页面后，可以看到项目主界面，界面已经为大家汉化好了。
使用很简单，2步极速上手，即刻开始快乐地玩耍:
输入提示词：跟使用其他AI大模型一样，输入图片，输入提示词。点击生成：点击“提交”按钮，等待即可。项目运行一段时间后，会得到该项目给出的回答。下图是我亲测的该大模型可以识别图片的内容，并给出回答，我提的问题是让它识别一个网页，然后写出代码。这都能很快的实现，简直可怕！
注意事项：
①该项目建议使用英伟达显卡运行，由于尺寸很小，CPU也可以运行但比较慢；
②请确保安装路径不包含中文，不然可能会引起奇怪的适配问题。
今天就聊到这了，我是Glen，感谢你看我的文章，欢迎大家继续支持我，请点赞、收藏、分享三连走一波吧~
关注并私信回复【DeepSeek】，免费获得本文资源~
