参数

• conversation (Union[List[Dict[str, str]], List[List[Dict[str, str]]]]) — 一个字典列表，包含 “role” 和 “content” 键，表示当前的聊天历史记录。
• tools (List[Union[Dict, Callable]], 可选) — 一个工具（可调用函数）列表，模型可以访问这些工具。如果模板不支持函数调用，此参数将不起作用。每个工具应以 JSON Schema 的形式传入，提供工具的名称、描述和参数类型。有关更多信息，请参阅我们的 聊天模板指南 。
• add_generation_prompt (bool, 可选) — 此参数对 MistralCommonBackend 无效。但为了保持 API 的一致性，它不能与 continue_final_message 同时使用。 如果任何对话以助手消息结尾，则会引发错误。在这种情况下，请改用 continue_final_message。
• continue_final_message (bool, 可选) — 如果设置此项，聊天将被格式化，使得聊天中的最后一条消息是开放式的，不包含任何 EOS token。模型将继续该消息，而不是开始一条新消息。这允许你“预填充”模型响应的一部分。不能与 add_generation_prompt 同时使用。
• tokenize (bool，默认为 True) — 是否对输出进行分词。如果为 False，输出将是一个字符串。
• padding (bool, str 或 PaddingStrategy, 可选, 默认为 False) — 选择一种策略，根据模型的填充侧和填充索引对返回的序列进行填充，可选策略如下：
  • True 或 'longest'：填充至批次中最长的序列（如果仅提供单个序列，则不进行填充）。
  • 'max_length'：填充至由参数 max_length 指定的最大长度；若未提供该参数，则填充至模型可接受的最大输入长度。
  • False 或 'do_not_pad'（默认值）：不进行填充（即可以输出包含不同长度序列的批次）。
• truncation（bool，默认为 False）— 是否将序列截断至最大长度。如果 tokenize 为 False，则此参数无效。
• max_length (int, 可选) — 用于填充或截断的最大长度（以 token 计）。如果 tokenize 为 False，则此参数无效。如果未指定，将使用分词器的 max_length 属性作为默认值。
• return_tensors (str 或 TensorType, 可选) — 如果设置，将返回特定框架的张量。如果 tokenize 为 False. 可接受的值为：
  • 'pt'：返回 PyTorch torch.Tensor 对象。
• return_dict (bool，默认为 False) — 是否返回包含命名输出的字典。如果 tokenize 为 False，则此参数无效。 如果至少一个对话包含图像，其像素值将返回在 pixel_values 键中，图像尺寸将返回在 image_sizes 键中。
• reasoning_effort (ReasoningEffort, 可选) — 对于支持推理的模型，用于聊天补全的推理力度。可能的值如下：
  • ReasoningEffort.none：模型不会进行推理。
  • ReasoningEffort.high：模型将采用推理方式。 如果未指定，则使用默认的推理强度。
• kwargs（额外的关键字参数，可选）— 传递给 mistral-common 的 ChatCompletionRequest.from_openai 方法的额外参数。

参数

• sequences (Union[list[int], list[list[int]], np.ndarray, torch.Tensor]) — 分词后的输入 ID 列表。可通过 __call__ 方法获取。
• skip_special_tokens（bool，可选，默认为 False）— 是否在解码过程中移除特殊标记。
• clean_up_tokenization_spaces (bool, 可选) — 是否清理分词空格。如果为 None，则默认为 self.clean_up_tokenization_spaces。
• kwargs（额外的关键字参数，可选） — MistralCommonBackend.batch_decode 不支持此参数。 如果使用该参数，将引发错误。

参数

• token_ids_0 (list[int]) — 将添加特殊标记的 ID 列表。
• token_ids_1 (None，可选) — 值为 None，保留以匹配 Transformers 的函数签名。

参数

• token_ids_0 (list[int]) — ID 列表。
• token_ids_1 (None，可选) — 值为 None，保留以匹配 Transformers 的函数签名。

参数

• token_ids (Union[int, list[int], list[list[int]], np.ndarray, torch.Tensor]) — 单个序列或一批（序列列表）的标记化输入 ID。可通过 __call__ 方法获取。
• skip_special_tokens（bool，可选，默认为 False）— 是否在解码过程中移除特殊标记。
• clean_up_tokenization_spaces (bool, 可选) — 是否清理分词空格。如果为 None，则默认为 self.clean_up_tokenization_spaces。
• kwargs（额外的关键字参数，可选） — MistralCommonBackend.decode 不支持此参数。 如果使用该参数，将引发错误。

参数

• text (str 或 list[int]) — 要编码的第一个序列。它可以是一个字符串，或一个整数列表（即分词后的字符串 ID）。
• text_pair (None，可选) — MistralCommonBackend.encode 不支持此参数。保留该参数以匹配 PreTrainedTokenizerBase.encode 的签名。
• add_special_tokens (bool，可选，默认为 True) — 在编码序列时是否添加特殊标记。此操作将使用底层的 PretrainedTokenizerBase.build_inputs_with_special_tokens 函数，该函数定义了哪些标记会自动添加到输入 ID 中。如果您希望自动添加 bos 或 eos 标记，此功能非常有用。当 Tokenizer 以 finetuning 模式加载时，它会同时添加 bos 和 eos。否则，在“test”模式下，它仅添加 bos。
• padding (bool, str 或 PaddingStrategy, ，可选, ，默认为 False) — 启用并控制填充。接受以下值：
  • True 或 'longest'：填充至批次中最长的序列（如果仅提供单个序列，则不进行填充）。
  • 'max_length'：填充至由参数 max_length 指定的最大长度；若未提供该参数，则填充至模型可接受的最大输入长度。
  • False 或 'do_not_pad'（默认值）：不进行填充（即可以输出包含不同长度序列的批次）。
• truncation (bool, str 或 TruncationStrategy, 可选, 默认值为 False) — 启用并控制截断。接受以下值：
  • True 或 'longest_first'：截断至由参数 max_length 指定的最大长度，或者在未提供该参数时，截断至模型可接受的最大输入长度。
  • False 或 'do_not_truncate'（默认值）：不进行截断（即，可以输出序列长度大于模型最大可接受输入大小的批次）。
• max_length (int, 可选) — 控制截断/填充参数之一所使用的最大长度。如果未设置或设置为 None，则当截断/填充参数需要最大长度时，将使用预定义的最大模型长度。如果模型没有特定的最大输入长度（如 XLNet），则禁用截断/填充到最大长度的功能。

  如果未设置或设置为 None，当截断/填充参数需要最大长度时，将使用预定义的最大模型长度。如果模型没有特定的最大输入长度（例如 XLNet），则禁用截断/填充至最大长度的功能。

• stride (int，可选，默认为 0) — 如果与 max_length 一起设置为某个数值，则当 return_overflowing_tokens=True 时，返回的溢出 token 将包含截断序列末尾的若干 token，以在截断序列和溢出序列之间提供一定的重叠。此参数的值定义了重叠 token 的数量。
• pad_to_multiple_of (int, 可选) — 如果设置，则将序列填充为所提供值的倍数。需要启用 padding。 这对于在计算能力为 >= 7.5（Volta）的 NVIDIA 硬件上启用 Tensor Cores 的使用特别有用。
• padding_side (str, 可选) — 模型应应用填充的一侧。应在 [‘right’, ‘left’] 之间进行选择。 默认值取自同名的类属性。
• return_tensors (str 或 TensorType, 可选) — 如果设置，将返回张量而不是 Python 整数列表。可接受的值为：
  • 'pt'：返回 PyTorch torch.Tensor 对象。
• **kwargs — MistralCommonBackend.encode 不支持。 如果使用了该参数，将引发错误。

参数

• pretrained_model_name_or_path (str 或 os.PathLike) — 可以是以下之一：
  • 一个字符串，即托管在 huggingface.co 上某个模型仓库中的预定义分词器的 model id。
  • 指向包含分词器配置的目录的路径，例如使用MistralCommonBackend.tokenization_mistral_common.save_pretrained方法保存的路径，如./my_model_directory/。
• mode (Union[str, ValidationMode], 可选, 默认为 ValidationMode.test) — 的验证模式。可能的值包括： MistralTokenizer "finetuning" 或 ValidationMode.finetuning：微调模式。"test" 或 ValidationMode.test：测试模式。它会改变 tokenizer 验证输入并准备模型请求的方式。
  • "finetuning" 或 ValidationMode.finetuning：微调模式。
  • "test" 或 ValidationMode.test：测试模式。 它会改变分词器验证输入并准备模型请求的方式。
• cache_dir (str 或 os.PathLike，可选) — 如果不应使用标准缓存，则下载的预定义分词器词汇文件应缓存到的目录路径。
• force_download (bool，可选，默认为 False) — 是否强制（重新）下载词汇表文件，并在缓存版本已存在时覆盖它们。
• token（str 或 bool，可选）— 用于远程文件的 HTTP 承载者授权令牌。如果为 True，则使用运行 hf auth login 时生成的令牌（存储在 ~/.huggingface 中）。
• local_files_only（bool，可选，默认为 False）— 是否仅依赖本地文件，而不尝试下载任何文件。
• revision (str，可选，默认为 "main") — 要使用的特定模型版本。由于我们在 huggingface.co 上使用基于 git 的系统来存储模型和其他工件，因此它可以是分支名称、标签名称或提交 id，revision 可以是 git 允许的任何标识符。
• max_length (int, 可选) — 控制截断/填充参数之一所使用的最大长度。如果未设置或设置为 None，则当截断/填充参数需要最大长度时，将使用预定义的最大模型长度。如果模型没有特定的最大输入长度（如 XLNet），则禁用截断/填充到最大长度的功能。

  如果未设置或设置为 None，当截断/填充参数需要最大长度时，将使用预定义的最大模型长度。如果模型没有特定的最大输入长度（例如 XLNet），则禁用截断/填充至最大长度的功能。

• padding_side (str，可选，默认为 "left") — 模型应应用填充的一侧。应在 [‘right’, ‘left’] 之间进行选择。 默认值取自同名的类属性。
• truncation_side (str，可选，默认为 "right") — 模型应应用截断的一侧。应在 [‘right’, ‘left’] 中进行选择。
• model_input_names (List[str]，可选) — 模型前向传播接受的输入列表（例如 "token_type_ids" 或 "attention_mask"）。默认值取自同名的类属性。
• clean_up_tokenization_spaces (bool，可选，默认为 False) — 模型是否应清理在分词过程中对输入文本进行切分时添加的空格。
• kwargs（额外的关键字参数，可选） — MistralCommonBackend.from_pretrained 不支持此参数。 如果使用该参数，将引发错误。

参数

• token_ids_0 (list[int]) — 序列的 id 列表。
• token_ids_1（None，可选）— 为 None，保留以与 Transformers 的实现保持一致。
• already_has_special_tokens (bool，可选，默认为 False) — 指示 token 列表是否已针对该模型格式化为包含特殊 token 的形式。

参数

• pair (Literal[False], 可选) — 固定为 False，以匹配 Transformer 的签名。

参数

• ids (list[int]) — 第一个序列的标记化输入 ID。
• pair_ids (None，可选) — MistralCommonBackend 不支持。保留此参数以匹配 PreTrainedTokenizerBase 的接口。
• add_special_tokens (bool，可选，默认为 True) — 在编码序列时是否添加特殊标记。此操作将使用底层的 PretrainedTokenizerBase.build_inputs_with_special_tokens 函数，该函数定义了哪些标记会自动添加到输入 ID 中。如果您希望自动添加 bos 或 eos 标记，此功能非常有用。当 Tokenizer 以 finetuning 模式加载时，它会同时添加 bos 和 eos。否则，在“test”模式下，它仅添加 bos。
• padding (bool, str 或 PaddingStrategy, ，可选, ，默认为 False) — 启用并控制填充。接受以下值：
  • True 或 'longest'：填充至批次中最长的序列（如果仅提供单个序列，则不进行填充）。
  • 'max_length'：填充至由参数 max_length 指定的最大长度；若未提供该参数，则填充至模型可接受的最大输入长度。
  • False 或 'do_not_pad'（默认值）：不进行填充（即可以输出包含不同长度序列的批次）。
• truncation (bool, str 或 TruncationStrategy, 可选, 默认值为 False) — 启用并控制截断。接受以下值：
  • True 或 'longest_first'：截断至由参数 max_length 指定的最大长度，或者在未提供该参数时，截断至模型可接受的最大输入长度。
  • False 或 'do_not_truncate'（默认值）：不进行截断（即，可以输出序列长度大于模型最大可接受输入大小的批次）。
• max_length (int, 可选) — 控制截断/填充参数之一所使用的最大长度。如果未设置或设置为 None，则当截断/填充参数需要最大长度时，将使用预定义的最大模型长度。如果模型没有特定的最大输入长度（如 XLNet），则禁用截断/填充到最大长度的功能。

  如果未设置或设置为 None，当截断/填充参数需要最大长度时，将使用预定义的最大模型长度。如果模型没有特定的最大输入长度（例如 XLNet），则禁用截断/填充至最大长度的功能。

• stride (int，可选，默认为 0) — 如果与 max_length 一起设置为某个数值，则当 return_overflowing_tokens=True 时，返回的溢出 token 将包含截断序列末尾的若干 token，以在截断序列和溢出序列之间提供一定的重叠。此参数的值定义了重叠 token 的数量。
• pad_to_multiple_of (int, 可选) — 如果设置，则将序列填充为所提供值的倍数。需要启用 padding。 这对于在计算能力为 >= 7.5（Volta）的 NVIDIA 硬件上启用 Tensor Cores 的使用特别有用。
• padding_side (str, 可选) — 模型应应用填充的一侧。应在 [‘right’, ‘left’] 之间进行选择。 默认值取自同名的类属性。
• return_tensors (str 或 TensorType, 可选) — 如果设置，将返回张量而不是 Python 整数列表。可接受的值为：
  • 'pt'：返回 PyTorch torch.Tensor 对象。
• return_token_type_ids (bool, 可选) — 是否返回 token type ID。对于 MistralCommonBackend ，它返回一个与序列长度相同的零列表，因为仅支持单个序列。

  什么是 token type ID？

• return_attention_mask (bool, 可选) — 是否返回注意力掩码。如果保持默认值，将根据特定分词器的默认设置返回注意力掩码，该设置由 return_outputs 属性定义。

  什么是注意力掩码？

• return_overflowing_tokens (bool，可选，默认为 False) — 是否返回溢出的 token 序列。如果提供了输入 id 的序列对（或序列对批次），且 truncation_strategy = longest_first 或 True，则会抛出错误，而不是返回溢出的 token。
• return_special_tokens_mask (bool，可选，默认为 False) — 是否返回特殊 token 掩码信息。
• return_length (bool，可选，默认为 False) — 是否返回编码后输入的长度。
• verbose (bool，可选，默认为 True) — 是否打印更多信息和警告。
• return_offsets_mapping (Literal[False]，可选) — 固定为 False，以与 Transformers 的签名保持一致。
• split_special_tokens (Literal[False]，可选) — 固定为 False，以匹配 Transformers 的函数签名。
• **kwargs — 传递给 self.tokenize() 方法

参数

• save_directory (str | os.PathLike | Path) — 保存 tokenizer 的目录。
• push_to_hub (bool，可选，默认为 False) — 保存后推送到 HF Hub。
• token（str 或 bool，可选）— 用于 Hub 身份验证的令牌。
• commit_message (str, 可选) — 推送时的提交信息。
• repo_id (str, 可选) — Hub 仓库 ID。
• private (bool，可选) — 仓库是否为私有。
• save_format (str, 可选) — "mistral" 用于保存原生 tekken 格式，"hf" 用于 HuggingFace 格式。 None 保留原始格式。
• kwargs (dict，可选) — 不支持 — 将引发错误。

参数

• text (str) — 要编码的序列。
• return_offsets_mapping (Literal[False]，可选) — 固定为 False，以与 Transformers 的签名保持一致。
• split_special_tokens (Literal[False]，可选) — 固定为 False，以匹配 Transformers 的函数签名。
• **kwargs（额外的关键字参数） — MistralCommonBackend.tokenize 不支持此参数。 如果使用该参数，将引发错误。

参数

• ids (list[int]) — 分词后的输入 ID。可以通过依次调用 tokenize 和 convert_tokens_to_ids 方法从字符串中获取。
• pair_ids (None，可选) — MistralCommonBackend 不支持。保留此参数以匹配 PreTrainedTokenizerBase.truncate_sequences 的签名。
• num_tokens_to_remove (int，可选，默认为 0) — 使用截断策略要移除的 token 数量。
• truncation_strategy (str 或 TruncationStrategy, 可选, 默认为 'longest_first') — 截断策略。可以是：
  • 'longest_first'：截断至参数 max_length 指定的最大长度，或者如果未提供该参数，则截断至模型可接受的最大输入长度。
  • 'do_not_truncate'（默认值）：不进行截断（即，可以输出序列长度超过模型最大允许输入大小的批次）。
• stride (int，可选，默认为 0) — 如果设置为正数，返回的溢出 token 将包含主序列中的一些 token。该参数的值定义了额外 token 的数量。

参数

• pixel_values（形状为 (batch_size, num_channels, image_size, image_size) 的 torch.Tensor）— 与输入图像对应的张量。可以使用 PixtralImageProcessor 获取像素值。有关详细信息，请参阅 PixtralImageProcessor.call()（PixtralProcessor 使用 PixtralImageProcessor 处理图像）。
• image_sizes（形状为 (batch_size, 2) 的 torch.Tensor，可选） — 批次中各图像的尺寸，每张图像表示为 (height, width)。

参数

• images (Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]) — 要预处理的图像。期望输入单张图像或一批图像，其像素值范围为 0 到 255。如果传入的图像像素值在 0 到 1 之间，请设置 do_rescale=False。
• do_convert_rgb (bool，kwargs，可选) — 是否将图像转换为 RGB。
• do_resize (bool，kwargs，可选) — 是否调整图像大小。
• size (Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 描述模型的最大输入维度。
• default_to_square (bool, kwargs, 可选) — 当 size 为整数时，是否在调整大小时默认使用正方形图像。
• crop_size (Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 应用 center_crop 后输出图像的尺寸。
• resample (Annotated[Union[int, PILImageResampling, NoneType], None], kwargs) — 如果调整图像大小，则使用的重采样滤波器。可以是枚举 PILImageResampling 中的一个值。仅当 do_resize 设置为 True 时生效。
• do_rescale (bool，kwargs，可选) — 是否对图像进行重新缩放。
• rescale_factor (float, kwargs, 可选) — 如果 do_rescale 设置为 True，则用于对图像进行缩放的缩放因子。
• do_normalize (bool，kwargs，可选) — 是否对图像进行归一化。
• image_mean (Union[float, list[float], tuple[float, ...]], kwargs, 可选) — 用于归一化的图像均值。仅当 do_normalize 设置为 True 时生效。
• image_std (Union[float, list[float], tuple[float, ...]], kwargs, 可选) — 用于归一化的图像标准差。仅当 do_normalize 设置为 True 时生效。
• do_pad (bool, kwargs, 可选) — 是否对图像进行填充。填充操作会将图像填充至批次中的最大尺寸，或填充至每张图像的固定正方形尺寸。具体的填充策略取决于模型。
• pad_size (Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 用于填充图像的 {"height": int, "width" int} 尺寸。必须大于为预处理提供的任何图像尺寸。如果未提供 pad_size，图像将被填充到批次中最大的高度和宽度。仅在 do_pad=True. 时应用。
• do_center_crop (bool，kwargs，可选) — 是否对图像进行中心裁剪。
• data_format (Union[str, ~image_utils.ChannelDimension], kwargs, 可选) — 仅支持 ChannelDimension.FIRST。为兼容旧版处理器而添加。
• input_data_format (Union[str, ~image_utils.ChannelDimension], kwargs, 可选) — 输入图像的通道维度格式。如果未设置，则从输入图像中推断通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：图像采用 (num_channels, height, width) 格式。
  • "channels_last" 或 ChannelDimension.LAST：图像采用 (height, width, num_channels) 格式。
  • "none" 或 ChannelDimension.NONE：图像为 (height, width) 格式。
• device (Annotated[Union[str, torch.device, NoneType], None], kwargs) — 用于处理视频的设备。如果未设置，则从输入视频中推断设备。
• return_tensors (Annotated[str | ~utils.generic.TensorType | None, None], kwargs) — 如果设置为 'pt'，则返回堆叠的张量，否则返回张量列表。
• disable_grouping (bool，kwargs，可选) — 是否禁用按尺寸对图像进行分组，从而逐个处理图像而非批量处理。 如果为 None，则当图像位于 CPU 上时设置为 True，否则设置为 False。此选择基于经验观察，详见此处：https://github.com/huggingface/transformers/pull/38157
• image_seq_length (int，kwargs，可选) — 输入中每张图片所使用的图像 token 数量。 为向后兼容而添加，但在未来的模型中，应将其设置为处理器的属性。
• patch_size (Union[dict[str, *kwargs*, int], int] 可选，默认为 {"height" -- 16, "width": 16})： 模型中 patch 的大小，用于计算输出图像的尺寸。

参数

• images (Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]) — 要预处理的图像。期望输入单张图像或一批图像，其像素值范围为 0 到 255。如果传入的图像像素值在 0 到 1 之间，请设置 do_rescale=False。
• do_convert_rgb (bool，kwargs，可选) — 是否将图像转换为 RGB。
• do_resize (bool，kwargs，可选) — 是否调整图像大小。
• size (Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 描述模型的最大输入维度。
• default_to_square (bool, kwargs, 可选) — 当 size 为整数时，是否在调整大小时默认使用正方形图像。
• crop_size (Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 应用 center_crop 后输出图像的尺寸。
• resample (Annotated[Union[int, PILImageResampling, NoneType], None], kwargs) — 如果调整图像大小，则使用的重采样滤波器。可以是枚举 PILImageResampling 中的一个值。仅当 do_resize 设置为 True 时生效。
• do_rescale (bool，kwargs，可选) — 是否对图像进行重新缩放。
• rescale_factor (float, kwargs, 可选) — 如果 do_rescale 设置为 True，则用于对图像进行缩放的缩放因子。
• do_normalize (bool，kwargs，可选) — 是否对图像进行归一化。
• image_mean (Union[float, list[float], tuple[float, ...]], kwargs, 可选) — 用于归一化的图像均值。仅当 do_normalize 设置为 True 时生效。
• image_std (Union[float, list[float], tuple[float, ...]], kwargs, 可选) — 用于归一化的图像标准差。仅当 do_normalize 设置为 True 时生效。
• do_pad (bool, kwargs, 可选) — 是否对图像进行填充。填充操作会将图像填充至批次中的最大尺寸，或填充至每张图像的固定正方形尺寸。具体的填充策略取决于模型。
• pad_size (Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 用于填充图像的 {"height": int, "width" int} 尺寸。必须大于为预处理提供的任何图像尺寸。如果未提供 pad_size，图像将被填充到批次中最大的高度和宽度。仅在 do_pad=True. 时应用。
• do_center_crop (bool，kwargs，可选) — 是否对图像进行中心裁剪。
• data_format (Union[str, ~image_utils.ChannelDimension], kwargs, 可选) — 仅支持 ChannelDimension.FIRST。为兼容旧版处理器而添加。
• input_data_format (Union[str, ~image_utils.ChannelDimension], kwargs, 可选) — 输入图像的通道维度格式。如果未设置，则从输入图像中推断通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：图像采用 (num_channels, height, width) 格式。
  • "channels_last" 或 ChannelDimension.LAST：图像采用 (height, width, num_channels) 格式。
  • "none" 或 ChannelDimension.NONE：图像为 (height, width) 格式。
• device (Annotated[Union[str, torch.device, NoneType], None], kwargs) — 用于处理视频的设备。如果未设置，则从输入视频中推断设备。
• return_tensors (Annotated[str | ~utils.generic.TensorType | None, None], kwargs) — 如果设置为 'pt'，则返回堆叠的张量，否则返回张量列表。
• disable_grouping (bool，kwargs，可选) — 是否禁用按尺寸对图像进行分组，从而逐个处理图像而非批量处理。 如果为 None，则当图像位于 CPU 上时设置为 True，否则设置为 False。此选择基于经验观察，详见此处：https://github.com/huggingface/transformers/pull/38157
• image_seq_length (int，kwargs，可选) — 输入中每张图片所使用的图像 token 数量。 为向后兼容而添加，但在未来的模型中，应将其设置为处理器的属性。
• patch_size (Union[dict[str, *kwargs*, int], int] 可选，默认为 {"height" -- 16, "width": 16})： 模型中 patch 的大小，用于计算输出图像的尺寸。

参数

• images (Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]], 可选) — 要预处理的图像。期望输入单张图像或一批图像，其像素值范围为 0 到 255。如果传入的图像像素值在 0 到 1 之间，请设置 do_rescale=False。
• text (Union[str, list[str], list[list[str]]]，可选) — 要编码的序列或序列批次。每个序列可以是字符串或字符串列表（预分词字符串）。如果传入预分词输入，请设置 is_split_into_words=True，以避免与批量输入产生歧义。
• videos (Union[list[PIL.Image.Image], numpy.ndarray, torch.Tensor, list[numpy.ndarray], list[torch.Tensor], list[list[PIL.Image.Image]], list[list[numpy.ndarray]], list[list[torch.Tensor]], ~video_utils.URL, list[~video_utils.URL], list[list[~video_utils.URL]], ~video_utils.Path, list[~video_utils.Path], list[list[~video_utils.Path]]], 可选) — 要预处理的视频。期望输入单个视频或一批视频，其像素值范围为 0 到 255。如果传入的像素值在 0 到 1 之间，请设置 do_rescale=False。
• audio (Union[numpy.ndarray, torch.Tensor, collections.abc.Sequence[numpy.ndarray], collections.abc.Sequence[torch.Tensor]], 可选) — 要准备处理的音频或音频批次。每个音频可以是 NumPy 数组或 PyTorch 张量。 如果为 NumPy 数组/PyTorch 张量，每个音频的形状应为 (C, T)，其中 C 为通道数，T 为音频的采样长度。
• return_tensors (str 或 TensorType, 可选) — 如果设置，将返回特定框架的张量。可接受的值为：
  • 'pt'：返回 PyTorch torch.Tensor 对象。
  • 'np'：返回 NumPy np.ndarray 对象。
• **kwargs (ProcessingKwargs，可选) — 每种模态（文本、图像、视频、音频）的额外处理选项。模型特定参数已在上方列出；有关支持参数的完整列表，请参阅 TypedDict 类。