diffusion intuition

正向过程: 图像 → 加噪声 → 加噪声 → ... → 纯噪声
反向过程: 纯噪声 → 去噪 → 去噪 → ... → 图像

训练目标: 让模型学会"在 t 步该去多少噪声"
推理过程: 从随机噪声出发，迭代去噪 25-50 步

GPT-4o Vision API（5行可跑）

# pip install openai
from openai import OpenAI
client = OpenAI()

resp = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "这张图片里有什么？"},
        {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
    ]}]
)
print(resp.choices[0].message.content)

Whisper 语音转文字

# pip install openai-whisper
whisper audio.mp3 --model base --language zh

# Python API
import whisper
model = whisper.load_model("base")
result = model.transcribe("audio.mp3", language="zh")
print(result["text"])