文章列表-AI魔法学院

文章列表

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

以往这一任务需要文本识别、布局检测和排序、公式表格处理、文本清洗等多个步骤—— 这一次，只需一句话命令，多模态大模型 Vary 直接端到端输出结果：无论是中英文的大段文字

OCR 手写文字识别

GGUF格式详解

为什么会有这样的大模型文件，与它一同出现对比的是GGML格式文件，二者的区别是啥？

GGUF 大模型

取代 Vue 和 React？25 年码龄程序员不满 Web 现状创建新框架 Nue JS，能将代码量减少 10 倍！

近日，前端开发者 Tero Piirajinen 推出了一个名为 Nue.js 的极简化前端开发工具，并迅速引发社区讨论。

开源模型

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

实时语音识别：听写文本并获得即时转录。

AI语音克隆实时语音识别

万物皆可替换！阿里【ReplaceAnything】，支持在线体验！

现在只需框住你需要保留的区域，AI就可以替换万物了！

ReplaceAnything 文生图

AI Agent的数字化革命：超越文本，走向自主决策与交互

AI Agent和ChatGPT、Claude等LLM（大语言模型）有什么区别呢？

生成式AI

打磨 8 个月、功能全面升级，Milvus 2.3.0 文字发布会现在开始！

Milvus 社区的各位伙伴：大家晚上好！

大语言模型

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

它和此前 OpenAI 使用的向量数据库有什么区别？

检索增强生成大语音模型

解码二维码：揭秘我的漂亮二维码生成秘诀！

· · 将像素块由正方形变为弧形、圆形、线形等； · · 在二维码的外围增加一些形似二维码中像素块的区块。

图像文字

中文开源OCR框架对比及介绍

从严格定义来看，学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

OCR

Selenium+ddddocr | 再也不担心图片验证码

库，该库可以识别图片中的文字，并返回文字内容。

Selenium ddddocr库

颠覆数据存储方式：向量数据库的威力

向量数据库通过计算向量之间的相似度来搜索数据，因此它特别适用于人脸识别、语音识别、推荐系统等需要高维度数据处理的领域。

编程数据库

主流网络爬虫蜘蛛详解

所有网站都会有很多网络漫游器来爬取页面，其中越优秀的网站蜘蛛越多，不过我们要区分蜘蛛的真伪，同时了解各种蜘蛛，屏蔽一些对网站无用的蜘蛛，避免养“蛛”为患。

爬虫蜘蛛详解

AI Agent的千亿美金问题：如何重构10亿知识工作职业，掀起软件生产革命？

AI Agent 今年 4 月在开发者社区格外火热，AutoGPT 成为 Github 历史上涨星最快的项目。

大模型 AI编程

如何下载及使用通义千问7B开源大模型

阿里云开源通义千问70亿参数模型，包括通用模型Qwen-7B和对话模型Qwen-7B-Chat，两款模型均已上线ModelScope魔搭社区，开源、免费、可商用，欢迎大家来体验。

通义千问

<1 2 3 456 7 8 9 10 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1