smolvlm-realtime-webcam

这是一个基于SmolVLM多模态模型与llama.cpp服务端的实时网络摄像头视觉理解演示项目，支持在浏览器中通过WebRTC调用本地摄像头，将视频帧实时发送至本地运行的llama.cpp服务器进行图像描述、物体识别或指令遵循推理。项目采用纯HTML前端，无需后端服务，依赖llama.cpp的HTTP API接口，支持GPU加速（via -ngl参数）和自定义提示词。适用于边缘侧轻量级多模态AI实验、教育演示、本地隐私敏感的实时视觉交互原型开发等场景。