AstrBot的多模态处理能力是其重要特色，主要包括两大核心功能：
1. 图片理解
- 工作原理：结合CLIP等视觉模型进行图像分析
- 使用方式：直接发送图片并附带提问（如”描述这张图片的内容”）
- 典型应用：识别图片中的文字、物体或进行艺术风格分析
2. 语音处理
- 技术基础：采用Whisper语音识别模型
- 启用方法：需在”提供商设置”中单独配置Whisper服务
- 操作流程：发送语音消息→自动转文字→LLM生成回复
Recommendations for use
- 图片分辨率建议保持在1024×1024以内
- 语音消息时长最好控制在2分钟以内
- 中文识别需在配置中选择zh-CN语言包
- 多模态功能会消耗更多API额度，建议合理使用
这些功能使得AstrBot可以处理更丰富的信息输入形式，大幅扩展应用场景。
This answer comes from the articleAstrBot: AI Chatbot Access Platform with WebUIThe
May not be reproduced without permission:AI productivity tools " AstrBot的多模态功能具体包含哪些能力？如何使用？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil