微软开发的 Florence-2 系列模型，使用提示（prompt-based approach）来处理不同的视觉任务。
通过改变提示，模型可以执行不同的任务，例如：
- 描述（Caption）
- 详细描述（Detailed Caption）
- 更详细描述（More Detailed Caption）
- 描述到短语定位（Caption to Phrase Grounding）
- 目标检测（Object Detection）
- 密集区域描述（Dense Region Caption）
- 区域提议（Region proposal）
- 光学字符识别（OCR）
- 带区域的 OCR（OCR with Region）
可以在 HF Space 上免费使用, 也有一个非官方的 ComfyUI 节点实现
