Replicate 教程：如何用 GPT-4-Vision、Llava 13B 和 ElevenLabs 打造你自己的 AI 旁白

Replicate 发布教程，讲解如何用视觉模型、语言模型和文本转语音模型搭建一个实时解说生活的 AI 旁白。视觉部分推荐开源模型 Llava 13B，在 A40 GPU 上每秒 $0.000725、单次请求约 $0.0017；也可用 GPT-4-Vision，250px×140px 图像 $0.00255 加每 1K 输出 token $0.03。