MiniGPT-5是一款基于大型语言模型的视觉与语言生成工具，旨在实现图像和文本的协同生成。它采用了创新的生成vokens概念，作为实现图像和文本协同生成的桥梁。MiniGPT-5通过独特的两阶段训练策略，专注于无需详细图像..
