除了大力投資Open AI，微軟還親自下場大搞AI。 7天前，微軟開源了Visual ChatGPT，這個軟件可以連接ChatGPT和一系列視覺模型，以實現在ChatGPT的聊天過程中發送和接收影像。
眾所周知，儘管ChatGPT的功能非常强大，甚至可以用來寫小說寫論文，但現時也僅限於文字交流。 但表情包早已成為日常文字聊天不可或缺的功能。
Visual ChatGPT的出現，就像在以文字交流的APP中首次添加了表情包功能，而且還是根據用戶輸入的文字自動生成的“定制化表情包”，大大提升了ChatGPT的趣味性和應用領域。
一方面，ChatGPT（或LLM）充當通用介面，提供對影像的理解和用戶的互動功能。 另一方面，基礎影像模型通過提供特定領域的深入知識來充當背後的科技專家。
倉庫中列出了科技架構及原理圖：
Demo中共進行了三種不同類型的對話，分別是Visual ChatGPT接收用戶的影像、Visual ChatGPT根據用戶的文字修改影像並發送給用戶，以及Visual ChatGPT識別圖片，並回答用戶的提問。 Visual ChatGPT會根據用戶的輸入，判斷是否需要使用VFM（Visual Foundation Model，視覺基礎模型）來處理該問題。
倉庫中還給出了Visual ChatGPT所使用的影像模型和顯存使用情况：
更詳細的內容可以閱讀Visual ChatGPT的arxiv論文： https://arxiv.org/abs/2303.04671
Visual ChatGPT在3月10日發佈，截至3月16日早15點，該項目已暫獲21.9K Stars，可謂是火箭式上漲。
相關連結：https://github.com/microsoft/visual-chatgpt
