Multimodal Understanding Skill

使用智谱GLM-4.6V模型理解图片、视频、文档内容。

功能

• 图片理解：OCR、场景分析、物体检测、属性识别
• 视频理解：内容摘要、关键帧分析
• 文档理解：PDF、复杂表格解析
• 深度思考模式：开启后进行深层推理分析

使用方式

理解这张图片：[图片URL或本地路径]
分析这个视频：[视频URL]
这个PDF讲什么：[PDF URL]