Llama3.2让我有了一个大胆的想法！

听说Llama3.2 Vision的表现不错，我本地用ollama启动了一个做了个实验，给它一个最近的购物小票，看它能不能发现其中的金额。

小票是摆在键盘上很随意拍的，上面很多数字，提示词就是很普通的中文，结果，Llama3.2 Vision居然真的能够识别出总金额是89.78！

顺便一说，ollama上虽然说是Llama3.2 Vision，但是我猜实际上是Llama3.2 Vision-Instruct，基础模型Llama3.2 Vision应该是无法对指令进行这么语法清楚的回答的，为了少打些字我还是用Llama3.2 Vision来称呼吧。

不管怎么说，Llama3.2 Vision就是第一个免费的、可以本地执行的、能够识别小票中金额的LLM，这就让我有了一个大胆想法，遥想当年，疫情之前经常去美国出差，每次回来之后一个特别费力的事情就是报销，但是美国没有发票只有小票，每个饭店的小票格式还都不一样，只能手工录入每个小票的金额，出差一周积累下来的小票很多，一个一个录入苦不堪言，那时候我们同事就想着要不要利用OCR来自动提取小票金额，但是传统OCR不能理解语义，还要编程从识别文字中提取金额，这事几次黑客马拉松都没做出来。

现在有Llama 3.2 Vision了，这事应该是万事俱备只欠东风。

剩下来唯一的问题是——啥时候才有机会去美国出差呢/狗头

#人工智能##CV##大模型##llama##ollama##计算机视觉#