在应用场景方面，该模型特别适合与计算机智能体配合使用。模型接收屏幕截图与自然语言指令后，可输出目标 UI 元素的标准化边界框坐标，随后由其他智能体模型完成点击、滚动等交互操作。目前该模型已经在 huggingface 开源。
Минобороны ОАЭ сообщило об отражении ракетной атаки со стороны Ирана02:20，更多细节参见体育直播
Российский телеведущий пожаловался на испражняющихся на улицах одной страны людей20:47。关于这个话题，同城约会提供了深入分析
Что думаешь? Оцени!
Video Transcript API——音视频转录总结本工具已开源，地址。