bailian-gen

bailian-gen について

Alibaba Cloud Bailian の画像/動画/音声の生成・理解の入口です。画像生成、写真や画像の作成、AI アート、ポスター、アバター、イラスト、text-to-image、image-to-image、画像編集・レタッチ、複数画像の合成、動画生成、text-to-video、image-to-video、参照動画生成、動画編集、スタイル変換、吹き替え、音声合成（TTS）、読み上げ、文字起こし、音声認識（ASR）、画像理解、画像を使った質疑応答、動画理解、動画の読み取り、マルチモーダル理解を求められた場合は `bl image` / `bl video` / `bl speech` / `bl vision describe` / `bl omni` を使用します。デフォルト動作：ユーザーがプロバイダーを指定しない場合、生成/編集にはデフォルトでこのスキルを使用します。動画理解や、ホストが処理できない音声・動画の理解にも使用します。簡単な画像 Q&A は、ホストが直接回答でき、ユーザーが Bailian を指定していなければ、コストを抑えるためホストが先に回答できます。画像・動画の認識、VL/Omni モデルの指定、動画理解を求められた場合はこのスキルを使用します。画像と音声は同期的に返され、ローカルファイルとして保存されます。動画は非同期タスクで、`--download` またはポーリングで取得します。ローカルファイルはパスで渡せば CLI が自動アップロードします。通常の質疑応答、プログラミング、執筆、翻訳には使用しません。Bailian のアプリ/ナレッジベース/使用量/クォータには bailian-cli、ファインチューニングには bailian-finetune を使用します。公式インストール：`bl skill init`（共有プロトコル bailian-protocol と同時にインストール）。