标签：ocr

近日，Z.ai（智谱 AI）团队在 GitHub 平台悄然上线了名为 GLM-OCR 的新模型仓库。作为 GLM 系列的延伸，该模型专注于光学字符识别（OCR）与文档理解技术，旨在解决复杂视觉场景下的文字提取与解析难题。这一动作不仅丰富了智...

赞(0)Toy2026-01-22前沿 阅读(17)去评论

OCRBase 是一款开源的文档处理工具，旨在将 PDF 大规模转换为结构化数据。它基于先进的 PaddleOCR-VL-0.9B 模型，提供高精度的文本识别与提取能力。该平台支持用户自定义 Schema 并直接输出 JSON 格式，同时配...

赞(0)Toy2026-01-20前沿 阅读(15)去评论

针对Web渗透测试中二维码识别的分辨率与缩放痛点，开发者推出了基于Rust与Tauri 2.0的轻量级桌面屏幕识别工具Glimpse。该工具支持二维码扫描和OCR文字识别，体积轻便，不仅解决了老旧软件的兼容性问题，也展示了AI辅助编程在实际...

赞(0)Toy2026-01-12前沿 阅读(32)去评论

这篇文章推荐了一款名为 AutoVerify 的 Chrome 插件，该插件利用 OCR 技术，能够自动识别并填充网站上的图片验证码。作者实测体验极佳，认为它能显著节省日常工作中频繁处理验证码的时间。不过，该插件目前仅支持普通的 OCR 识...

赞(0)Toy2026-01-12前沿 阅读(39)去评论

开源项目“ohmytext”提供一键OCR功能，智能捕获鼠标下的图片文本区域，自动拼接文本，并利用大模型清理输出，提升文本提取准确性。核心基于PaddleOCR文本检测模块，适用于图片识别场景。该工具极大简化了文本提取流程，告别手动框选的繁...

赞(0)Toy2026-01-08前沿 阅读(48)去评论

开源项目‘大香蕉’推出图片转PPT工具的重大更新，新增GPU加速功能后，转换速度实现质的飞跃。该工具基于OCR技术，文本识别精准度媲美CanvasAI，支持将图片直接转换为可编辑PPT。开发者提供了详细的安装指南，包括显卡驱动版本要求和依赖...

赞(0)Toy2026-01-06前沿 阅读(32)去评论

开发者因老板要求整理发票表格，现有OCR工具效果不佳，于是利用AI技术开发了图片转Excel工具。该工具支持批量上传图片，通过AI OCR自动识别表格结构，生成可编辑的Excel文件，适用于发票、清单等场景。相比手动输入，工具能大幅提高效率...

赞(0)Toy2025-12-29前沿 阅读(33)去评论

A tech enthusiast solves PDF OCR issues using AI models like Claude and Codex with minimal cost.

赞(0)Toy2025-12-21前沿 阅读(62)去评论

Chrome Extension Gemini Nexus v3.0 offers free access to Google's Gemini 3 Pro with OCR, text enhancements, and more.

赞(0)Toy2025-12-21前沿 阅读(63)去评论

Hands-on review of Doubao AI's strengths in OCR, speech recognition, and code generation versus other AI tools.

赞(0)Toy2025-12-20前沿 阅读(54)去评论

作者分享了使用豆包AI的实战经验，指出其在OCR识别速度与准确度、语音转文字质量以及代码生成方面的显著优势。通过实际案例对比，豆包在处理中文和英文文本、尤其是手写识别方面表现优异。在修改刷机脚本的具体应用中，豆包成功生成了可用代码，而Cha...

赞(0)Toy2025-12-20前沿 阅读(52)去评论

Mistral AI launches Mistral OCR 3, achieving major breakthroughs in document processing accuracy and efficiency with 74% win rate improvement.

赞(0)Toy2025-12-20前沿 阅读(51)去评论

Free Chrome extension with Gemini 3 AI: OCR, translation, and web summarization. Open source with keyboard shortcuts.

赞(0)Toy2025-12-20前沿 阅读(59)去评论

Mistral AI launches Mistral OCR 3 with pricing as low as $1 per 1000 pages, outperforming competitors in OCR technology.

赞(0)Toy2025-12-19前沿 阅读(74)去评论

豆包手机的OCR技术可能主要在端侧进行。在一个做题流程中，系统首先将整张截图上传至云端，云端仅返回文字区域和按钮位置的信息。随后，题目的OCR处理在本地设备上完成，而云端只接收按钮位置变动的更新。这种云端与本地结合的处理方式，显著提升了响应...

赞(0)Toy2025-12-10前沿 阅读(72)去评论