人工智能

【實測】DeepSeek Janus-Pro-7B　可理解迷因、生成圖片 + 與 ChatGPT 比較

作者

Oscar
發佈日期

2025-02-10
閱讀時間

16分鐘
字體大小

DeepSeek 稍早前宣布推出名為 Janus-Pro 的開源多模態模型，劍指對手 DALL-E 3 和 Stable Diffusion。除了能夠「文生圖」外，更可閱讀並理解用戶上傳的文本、圖片等。現時你可以直接在網上使用這個模型，要求 Janus-Pro 替你分析、生成圖片等。下面小編會和大家分享如何使用 Janus Pro 7B 人工智能模型，另外亦會以 ChatGPT 與 Janus Pro 7B 比較。

▲DeepSeek Janus-Pro-7B 模型可以理解迷因，以下將會詳細示範

▲Janus-Pro-7B 主頁面

Step 1 註冊 Hugging Face 帳戶

要經 Hugging Face 使用 Janus-Pro-7B 的話，你可以先註冊 Hugging Face 帳戶，那麼就可享有更多 GPU 限額。如果你已註冊，就可以跳過此步驟。

Hugging Face 主頁連結：https://huggingface.co/

▲點擊「Sign Up」，依照指示完成登記會員便可使用

Step 2 開始使用 Janus Pro 7B

註冊後你就可以在 Hugging Face 使用 Janus Pro 7B 模型。

連結：https://huggingface.co/spaces/deepseek-ai/Janus-Pro-7B

多模型辨識功能

DeepSeek Janus Pro 7B 模型可以辨析圖片內容後，向用家解釋圖片正在表達甚麼。下面小編會嘗試上傳一張迷因（meme），看看 Janus Pro 7B 能否正確解讀迷因內容。

點擊左上角「Multimodal Understanding」，然後在指定位置上傳圖片，之後在「Question」輸入問題，要求 Janus Pro 解讀圖片內容，最後點擊「Chat」，稍等數秒鐘 Janus Pro 7B 就會在「Response」處回應你。

實試：辨析迷因

以下迷因意思是以「強壯柴犬（Swole Doge）」所代表的 1990 年代的電話遠比和「無助柴犬（cheems）」代表的 2020 年代智能電話優勝，讓我們將此迷因分享給 Janus Pro 7B，看看它能否辨認出迷因內容。

Step 1 上傳迷因至 Janus Pro 7B

首先將需要上傳的圖片拖曳至綠框，片刻後即可上傳至 Janus Pro 7B。

▲上傳需要分析的圖片

Step 2 提問並等候答案

之後在①「Question」欄輸入你需要 Janus Pro 7B 為你解答的問題，然後點擊②「Chat」按鍵，讓 Janus Pro 7B 解答你的疑難。。

▲輸入問題

小編的問題為：請以繁體中文詳細解釋這張圖片想說明甚麼

▲輸入問題後點擊 Chat

視乎伺服器繁忙程度，一般僅需約 10 秒鐘就可完成分析。

▲稍後 10 秒

Step 3 檢視答案

倒計時完成後，你就可以在下面「Respond」位置看見 Janus Pro 7B 的分析結果。Janus Pro 7B 的分析結果與小編解讀相近。Janus Pro 7B 表示迷因而幽默的方式對比90年代與2020年的手機特性。小編最欣賞的是 Janus Pro 7B 能夠理解迷因裏「強壯柴犬（Swole Doge）」和「無助柴犬（cheems）」背後所代表的意思。強壯柴犬代表 90年代的手機堅固耐用，電池續航持久，抗摔耐衝擊；無助柴犬代表 2020年代的手機功能強大但脆弱，易碎、續航差、充電慢。Janus Pro 7B 解讀到迷因透過對比，風趣地呈現手機發展帶來的優勢與缺點。

以下為 Janus Pro 7B 解讀結果原文：

▲Janus Pro 7B 分析結果

比較 ChatGPT 辨析迷因功能

小編將同一張迷因上傳至 ChatGPT，使用 GPT-4o 模型，利用同一句問題「請以繁體中文詳細解釋這張圖片想說明甚麼」要求 ChatGPT 替我解讀這個迷因。

▲使用同一迷因、同一問題

ChatGPT成功辨認這張是 Doge 柴犬迷因，並指出圖片對比 1990 年代與 2020 年代手機的極端差異。ChatGPT 解讀到強壯 Doge 代表 90 年代手機，堅固耐用，電池續航超長；而脆弱 Doge 代表2020 年代手機，功能強大但脆弱。另外 ChatGPT 亦會具體引用並解釋迷因內的文字最後附以總結，扼要重述兩隻柴犬所代表的電話，並分享它認為圖片的幽默之處。下面為 ChatGPT 的回應：

▲ChatGPT 的回應（1/2）

▲ChatGPT 的回應（2/2）

由上面可見，ChatGPT 亦可辨析迷因，而且解答比 Janus Pro 7B 更加詳細，另外亦會提供小總結。不過要留意， Janus Pro 7B 是個免費的 AI LLM，亦無須使用 VPN，因此小編覺得 Janus Pro 7B 回應較簡短亦可接受。

實試：生成圖片

Janus Pro 7B 亦可為你生成圖片。點擊上面「Text-to-Image Generation」即可利用文字生成圖片。

▲點擊「Text-to-Image Generation」

小編用以下的 Prompt 嘗試叫生成 1920 年代女性的圖片：

A detailed portrait of a woman in 1920s fashion, wearing a flapper dress adorned with intricate beadwork, elegant pearl necklace, and a stylish bob haircut with finger waves, slightly turned to the side, vintage sepia tone, standing in a dimly lit speakeasy with Art Deco elements, blurred figures in the background, soft spotlight highlighting her features, capturing the essence of the Jazz Age. Created Using: vintage photographic techniques, classic Hollywood lighting, soft-focus lens, subtle film grain, Edward Steichen-inspired lighting, hd quality, natural look