gemini-webapi-mcp
★ 65
vs
groundingLMM
★ 969
gemini-webapi-mcp vs groundingLMM
gemini-webapi-mcp：这是一个用于Google Gemini的MCP服务器，通过浏览器cookies实现图像生成、编辑、聊天和文件分析。它无需API密钥，并且完全免费。；groundingLMM：GLaMM（接地大型多模态模型）是一个端到端训练的大型多模态模型，能够生成与对象分割掩码集成的自然语言响应，实现了视觉接地，并支持在多层次粒度上与图像进行灵活交互。它引入了新颖的接地对话生成（GCG）任务，支持指代表达式分割和区域级图像描述等多种下游应用，并以大规模的GranD数据集为基础。
01
简评
gemini-webapi-mcpVision / Multimodal · ★ 65
根据文本提示生成新图像
groundingLMMVision / Multimodal · ★ 969
理解并响应用户关于特定图像区域查询的交互式视觉助手。
02
并排对比
字段
gemini-webapi-mcpgroundingLMM分类
视觉/多模态
视觉/多模态
Stars
★ 65
★ 969
许可证
AGPL-3.0
Apache-2.0
安装方式
uv run --with "gemini-webapi-mcp[watermark] @ git+https://github.com/AndyShaman/gemini-webapi-mcp.git" gemini-webapi-mcp
git clone https://github.com/mbzuai-oryx/groundingLMM.git
更新时间
1个月前
1个月前
开源
是
是
标签
Gemini Web API, 图像生成, 图像编辑
多模态人工智能, 计算机视觉, 自然语言处理
03
功能特性
gemini-webapi-mcp01通过文本描述生成图像
02图像2倍分辨率提升
03通过提示词编辑图像
04文件和URL分析（视频、图像、PDF等）
05自动水印去除
groundingLMM01生成与对象分割掩码无缝集成的自然语言响应。
02支持新颖的接地对话生成（GCG）任务，并提供全面的评估协议。
03执行详细的区域级图像描述和回答基于推理的视觉问题。
04通过从基于文本的查询创建分割掩码，擅长指代表达式分割。
05提供高质量的图像描述和会话式问答。
04
使用场景
gemini-webapi-mcp↳根据文本提示生成新图像
↳通过提供提示和文件编辑现有图像
↳分析各种文件类型（视频、图像、PDF）或通过URL分析网页内容
↳与Gemini进行多轮文本聊天
groundingLMM↳理解并响应用户关于特定图像区域查询的交互式视觉助手。
↳用于创建密集、像素级接地数据集的自动化标注工具。
↳需要视觉理解和带有分割的详细文本描述的高级图像分析任务。
FAQ
常见问题
gemini-webapi-mcp 和 groundingLMM 有什么区别？
gemini-webapi-mcp 和 groundingLMM 都属于 Vision / Multimodal 类别。gemini-webapi-mcp 有 65 Stars，groundingLMM 有 969 Stars。
gemini-webapi-mcp 和 groundingLMM 哪个更好？
最佳选择取决于你的具体需求。根据文本提示生成新图像 时选 gemini-webapi-mcp，理解并响应用户关于特定图像区域查询的交互式视觉助手。 时选 groundingLMM。
gemini-webapi-mcp 是免费的吗？
是的，gemini-webapi-mcp 在 GitHub 开源（AGPL-3.0）。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→