#光学字符识别
共 94 篇相关文章
·10 分钟
零代码打造智能听写助手：WorkBuddy实战案例拆解
厌倦了每天陪孩子听写？本文拆解一个用WorkBuddy零代码开发的智能听写助手，OCR识别课本图片、TTS语音逐条播报，孩子独立完成听写，彻底解放家长。附完整产品思路与技术组合方案。
阅读全文 →
·4 分钟
科大讯飞T30 Lite学习机深度测评：双AI引擎+多孩账户实测
实测科大讯飞AI学习机T30 Lite：星火大模型+DeepSeek双AI引擎加持，支持5个孩子账户独立管理，AI作文批改细致到标点符号。适合多孩家庭的智能学习平板，课内同步课外拓展一机搞定。
阅读全文 →
·16 分钟
PP-OCRv6部署实测：发票识别效果与字体漏识坑点全解析
PP-OCRv6是飞桨推出的SOTA级OCR模型，本文记录Docker部署全流程、发票识别实测效果，并深度剖析"整块区域漏识"的根本原因——字体缺失问题，助你快速避坑，结合N8n搭建自动化识别工作流。
阅读全文 →
·17 分钟
Dify构建RAG问答工作流实战：四步搭建企业知识库机器人
深入解析RAG检索增强生成原理，基于Dify平台四步实战：数据准备、模型配置、知识库导入、工作流编排，快速构建可溯源的企业级智能问答系统，消除大模型幻觉。
阅读全文 →
·18 分钟
开源PDF解析引擎：20ms智能分类，纯Rust实现速度领先3倍
一款开源PDF解析引擎，20毫秒完成文档分类，纯Rust实现比顶级方案快3倍。通过智能分流策略，文本型PDF本地直转Markdown，扫描件才走OCR，大幅降低RAG系统与知识库构建的计算成本。
阅读全文 →
·8 分钟
有道AI答疑笔Space X评测：1399元理科学习神器值不值得买
深度分析有道AI答疑笔Space X的核心功能、价格性价比及选购建议。这款1399元的智能学习硬件集英语点读、理科AI答疑、全科辅导于一体，覆盖小初高全学段，对比词典笔、学习平板等竞品，帮你判断是否值得入手。
阅读全文 →
·10 分钟
科技公司AI裁员清单：哪些岗位正在被替代
持续更新的科技公司AI裁员清单，分析哪些岗位受影响最大，包括客户支持、内容创作、软件测试等领域，并为从业者提供应对策略和技能转型建议。
阅读全文 →
·9 分钟
校友寻小程序技术解析：DeepSeek驱动的AI失物招领系统
深入解析校友寻失物招领小程序的技术架构与AI能力，涵盖DeepSeek智能匹配、OCR图片识别、扫码归还闭环、AI看板娘交互等核心功能，探索AI赋能校园失物招领的全栈实践方案。
阅读全文 →
·11 分钟
Anthropic投入2500万美元Computer Use积分，AI Agent赋能美国小企业
Anthropic宣布提供2500万美元Computer Use计算积分，支持美国小企业利用AI Agent加速发展。本文解析这一举措背后的战略意图、Computer Use应用场景，以及对AI Agent生态竞争格局的深远影响。
阅读全文 →
·6 分钟
GPT-5.5替代OCR流水线：2.3万篇ChinaRxiv论文获完整英文翻译
开发者用GPT-5.5替代传统OCR流水线，完成ChinaRxiv超2.3万篇中文学术论文的英文翻译并免费开放。本文解析技术路径转变、翻译质量提升及对学术开放获取的深远影响。
阅读全文 →
·10 分钟
苹果将Visual Intelligence引入visionOS意味着什么
苹果正将Visual Intelligence视觉智能功能从iPhone移植到visionOS平台，用户佩戴Vision Pro即可通过注视实现物体识别、文字翻译和商品比价。这一布局或为更轻量化AR眼镜铺路，标志着苹果在AI+空间计算领域的关键战略推进。
阅读全文 →
·11 分钟
Unity MCP实测踩坑：AI操作游戏引擎完整指南
深度实测Unity MCP配置与使用，涵盖环境搭建、run_command规范、Prefab沙盒方案、AI前端搭建流程，以及Copilot、Claude Code、Codex、DeepSeek四大Agent横向评测对比。
阅读全文 →
·5 分钟
Gemini macOS版新功能：双击Command键即可分析屏幕内容
Google为Gemini macOS应用推出屏幕感知新功能，用户双击Command键即可将当前窗口内容附加到AI对话中，无需截图即可获得上下文相关的智能帮助，大幅简化AI交互流程。
阅读全文 →
·6 分钟
iOS 27内置账单分摊功能：拍照即可AA，直接对标Venmo
苹果iOS 27将在Apple Wallet中内置账单分摊功能，用户拍摄收据即可智能识别并分配消费项目，通过Apple Cash完成收款。这项功能直接对标Venmo和Splitwise，利用系统级整合优势重塑社交支付体验。
阅读全文 →
科技前沿·4 分钟
Gemini 3.5 Flash视觉能力超越Pro版，速度快6倍
Roboflow评测显示Google Gemini 3.5 Flash在多项视觉理解任务中超越Gemini 3.1 Pro旗舰模型，推理速度快约6倍。轻量级模型实现性能与速度双赢，为开发者提供高性价比的多模态AI方案。
阅读全文 →
教程攻略·9 分钟
本地AI Agent全自动发票报销：从流程拆解到部署实战
详解如何用本地部署的AI Agent实现全自动发票报销流程，涵盖OCR识别、信息提取、报销单生成等环节，包含硬件配置方案、软件栈选择（MinerU+Qwen3+千问Po）及保密场景下的完整落地思路。
阅读全文 →
产品体验·7 分钟
BuildBuddy：AI实时指导虚幻引擎操作的学习工具
BuildBuddy是一款AI覆盖层工具，能实时识别虚幻引擎编辑器界面，提供分步操作指导、YouTube教程自动分解和MCP远程控制功能，彻底解决视频教程跟不上的学习痛点。
阅读全文 →
教程攻略·8 分钟
GPT-5全栈实战：从零开发燃气表识别小程序完整教程
详细记录使用GPT-5+Cursor从零开发燃气表自动抄表小程序的全流程，涵盖UniApp前端、阿里云OCR API集成、云数据库设计及后台管理面板搭建，展示GPT-5一轮对话完成复杂功能的编程实力。
阅读全文 →
