标签索引

OCR识别

这个标签下有 12 篇文章。按时间回看相关判断与实践记录。

标签精选

Qwen 3.6 Plus 实测表现：手写识别能力碾压 GPT，但 AI 为什么总爱“加戏”？

近日，一项针对主流大模型手写文字提取能力的对比测试引发关注。测试对比了 Qwen 3.6 Plus、GPT、Llama 3.1 及豆包专家等多款模型。结果显示，Qwen 在识别潦草手稿时表现优异，不仅准确提取了内容，甚至自主添加了正确的概念...

2026-04-281 分钟阅读85 阅读

Auge Vision 是一款新兴的命令行工具，旨在将计算机视觉和 OCR（光学字符识别）能力直接集成到开发者的终端环境中。尽管目前社区反馈显示其在中文识别的示例演示中可能存在瑕疵，但这并未掩盖其作为“终端原生 AI”的创新价值。该项目代表...

2026-04-271 分钟阅读74 阅读

一则来自技术社区的帖子引发了广泛关注，该测试揭示了主流多模态大模型在特定场景下的实际短板。测试要求模型从包含复杂手写数字和勾选标记的菜单图片中，精准提取菜品名与数量，并强制输出为无Markdown干扰的YAML格式。结果显示，包括GLM-5...

2026-04-171 分钟阅读81 阅读

时隔两年半，国产截图工具 PixPin 正式发布 3.0 大版本。该工具已从早期的简陋状态发展为支持 Windows/macOS 的成熟生产力软件。核心功能包括智能截图、长截图、多格式录屏（GIF/MP4）及多样化贴图。3.0 版本重点进行...

2026-04-141 分钟阅读323 阅读

一位技术爱好者利用本地大模型（从Qwen3-VL升级至Qwen3.5），耗时一个月对爱泼斯坦案原始档案进行了批量OCR识别与视频帧描述提取。此次更新显著提升了数据质量，使中位词数增加18.3%，实体关键词命中率提升66%，并实现了100%的...

2026-04-071 分钟阅读145 阅读

一位开发者针对国内主流 OCR 服务进行了横向对比测试。测试结果显示，智谱 GLMOCR 的综合识别能力已覆盖百度 PaddleOCR 系列（含 PaddleVL、PaddleStructure）的功能范围，并且在支持 LaTeX 公式方面...

2026-03-281 分钟阅读163 阅读

针对市面上听写软件词库割裂、节奏僵化的问题，一位开发者推出“松鼠听写”App。该应用集成了 OCR 图像识别技术，支持直接拍摄书本自动提取词汇，免去了跨 App 复制的繁琐。同时，引入语音控制系统，用户可通过语音指令切换词汇或重复朗读，让孩...

2026-03-181 分钟阅读168 阅读

科技论坛近期发起了一场针对大模型能力的极限测试，使用一道画质模糊且分跨两页的高中生物题挑战主流LLM。测试结果显示，GPT、豆包等拥有多模态能力的知名模型纷纷在OCR识别和逻辑推理环节“翻车”。这一现象深刻揭示了当前大模型在处理非标准、低质...

2026-03-181 分钟阅读118 阅读

随着DeepSeek-OCR模型的热度上升，社区正在积极挖掘其云端应用潜力。尽管GitHub上的`DeepSeek-OCR-WebUI`等项目提供了现代化的界面和强大的批量处理功能，但用户更倾向于将其与硅基流动等云端API对接。这一需求反映...

2026-03-151 分钟阅读85 阅读

一位开发者在测试企业入职信息复核场景时发现，将 Qwen3 8B 升级至 Qwen3.5 27B 稠密模型后，证件信息的 OCR 识别准确率反而下降。在单张 A100 上部署非量化版本时，新模型出现了人名识别错误（如“许晨”误读为“许展”）...

2026-03-071 分钟阅读162 阅读