Spring AI Alibaba 多模态示例

图像理解、视觉 Agent、创意生成、语音合成

1. runImageFromUrl - 图片 URL 理解

通过公开图片 URL，使用 ChatModel 直接进行图像描述。

2. runImageFromResource - 本地/上传图片理解

上传本地图片文件，或使用 classpath 资源路径（如 images/sample.png）。

或使用 classpath 资源：

3. runVisionAgent - 视觉 Agent

使用 ReactAgent 进行多模态输入（图片 + 文本）理解。

4. runCreativeAgent - 创意 Agent

通过工具进行图像/音频生成（需配置 ImageModel 和 TTSModel）。

5. TTS - 语音合成

使用 DashScope 语音合成（需配置 DashScopeAudioSpeechModel）。输出格式 base64 可在页面直接播放，url 为服务器临时文件地址。