Easy同学正在独立开发 尝试让多模模型来帮我优化演讲稿排版，感觉这种基于位置的调整都不太行。只有 Gemini-2.5-pro 看起来比较正常，之前我记得Qwen2.5-VL-72B对位置感知挺强的，这次也翻车了。Qwen2.5-VL-32B其实还行，就别出心裁的把文字放到了图上。
原图是图一，提示词如下：
附件图片是一张1920*1080 的 keynote 的截图，请从排版角度指出应该如何进行优化，其中标题、文字和图片应该移动到什么坐标。
其他是调整结果；左下角有模型名称。
Easy同学正在独立开发尝试让多模模型来帮我优化演讲稿排版，感觉这种基于位置的
艺思同学
2025-07-05 17:44:40
0
阅读：2
