AnyVision · 万视 - 端侧智能视觉助手

AnyVision · 万视 — 端侧智能视觉助手。 输入"红色汽车"，App 用本地 LLM 解析中文意图，CLIP 编码文本嵌入，YOLO-World 实时检测，LiDAR 测距，语音播报结果。全程离线。"万视"——万物可视。 【核心功能】 • 开放词汇检测 — 输入任意物体名称即可实时检测，无需固定词表。CLIP 文本编码器在端侧生成嵌入，YOLO-World 骨干网络每帧推理。 • 中文自然语言输入 — 集成离线 Qwen3-0.6B 大语言模型，支持中文复合描述。"红色汽车" → "red car"，"行走的人" → "walking person"。LLM 未加载时自动回退到规则引擎。 • 三种交互模式 — 追踪（实时边界框）、测距（LiDAR 距离叠加）、计数（数量统计）。 • 多目标追踪 — SORT 算法帧间 IoU 匹配，为每个检测框分配持久 ID 和运动方向。 • LiDAR 多目标测距 — 所有检测框同时显示距离、物体尺寸估算、双物体间距。 • 语音输入 — 中英文语音听写，说"红色汽车"自动识别并检测。完全离线。 • 语音播报 — 检测到物体时自动中文播报（类别 + 数量 + 置信度 + 距离）。 • 智能视觉问答 — 基于当前检测结果回答自然语言问题。"前面有几辆车？" • 场景预设 — 驾驶辅助、安防监控、居家找物、宠物追踪、通用检测，一键加载。 【完全离线】 所有模型（CoreML + GGUF）打包在 App 内，无需运行时下载。语音识别强制使用 on-device 模式。无网络请求，适配隐私敏感场景。 【技术架构】 • YOLO-World 检测器 — 每帧推理，接受动态文本嵌入输入 • CLIP 文本编码器 — 任意词 → 512 维嵌入 • Qwen3-0.6B LLM — 中文意图解析与视觉问答 • LiDAR 深度感知 — 多目标实时测距 • SORT 追踪 — 帧间多目标匹配 【设备要求】 • iOS 17.0+ • iPhone（需要 A14 芯片或更高） • LiDAR 传感器用于测距功能（iPhone 12 Pro…