#OCR

3周前

用了半天 vivo，才知道原来安卓已经这么先进了😂 系统全局一键 OCR、一键翻译、一键 AI 对话可以在 iPhone 不亮屏的情况下，用 vivo 读取 iPhone 短信收到的验证码虽然模型只是 DeepSeek，但是查资料和翻译场景完全够用了对比 iPhone 的傻逼 Siri，我每次说 “41” 都被识别成 “40 亿”，用个语音计算器都费劲不知道这几年用 iOS 是图啥，我觉得应该给广大 iPhone 用户科普一下安卓机的现状（vivo 的同学看见了请 DM 我，勾兑一下小红书抖音商单）

苹果Liquid Glass：开发者适配陷两难，AI助力AR或成未来· 14 条信息

#vivo #安卓 #iPhone #OCR #AI

3周前

传统OCR 像拆解剧本：OCR、版面检测、分块、嵌入……每一步都可能出错，表格、图例、空间关系全都丢失，信息碎片化严重。基于视觉模型新范式：直接把每页文档当作图片输入大模型，利用视觉模型和多模态语言模型，保留全部空间和视觉细节，像人一样理解文档。

#OCR #视觉模型 #大模型 #文档理解 #信息提取

karminski-牙医

2个月前

这个新的OCR模型 MonkeyOCR-3B 好猛啊，官方评测比 MinerU 分数都高。有大量文档 OCR 需求的同学可以下载试试了，就3B大小，很容易运行。地址：

#OCR #MonkeyOCR-3B #MinerU

2个月前

Extract2MDPublic PDF 到 Markdown 转换解决方案，结合传统文本提取、OCR 技术和现代 AI 增强功能。项目采用场景化的 API 设计，让开发者可以根据具体需求选择最适合的转换方法。提供 5 种：快速转换、高精度、转换 + LLM 增强、高精度 + LLM 增强、综合转换 + LLM（推荐）

#PDF转换 #Markdown #OCR #AI增强 #API设计 #开发者 #文本提取

5个月前

牛，Mistral刚刚发布了号称地表最强OCR，给文档理解设立了新标准！ Mistral OCR具备强大认知能力，能准确理解文档中包括文本、图像、表格、公式等在内的每个元素特点： 1、原生多语言和多模态，支持数千种文字、字体以及语言 2、能准确理解复杂的文档元素，包括图像、数学公式、表格以及 LaTeX 格式等，尤其擅长处理包含图表、图形、公式和插图的科学论文等富文档 3、在多个文档分析方面的基准测试中优于其他OCR模型，尤其在扫描文档、表格和数学公式识别上表现出色 4、处理速度很快，单节点每分钟可处理2000页 5、支持使用文档作为提示，以结构化格式比如 JSON输出 6、可选择性自托管 #OCR #MistralOCR #Mistral

#Mistral #OCR #科技创新 #文档理解 #多语言支持 #多模态 #科学论文 #地表最强 #文档元素 #复杂文档

5个月前

olmOCR：可能是目前最好的开源OCR模型基于微调后的7B视觉语言模型，微调数据为260000页PDF页面，完全开源，包括模型权重、数据和训练代码、推理代码，4090可以本地运行。 Github：模型：在线使用：

#开源 #OCR #视觉语言模型 #模型权重 #微调 #PDF #GitHub #4090

7个月前

一款开箱即用的翻译和 OCR 工具：STranslate。 - 支持划词、截图、鼠标划词等多种翻译方式 - 支持离线使用 OCR，效果好且响应迅速 - 支持 OpenAI、DeepL、Google 等 10 多家翻译服务 - 支持全局 TTS、写作、自定义 Prompt 等 GitHub：看起来挺不错的，值得安装试用下。

#STranslate #翻译工具 #OCR #GitHub #无纸化办公