#OCR文字识别

共 8 篇相关文章

Memoria 是一款完全离线运行的智能相册搜索引擎，支持文字、语音、人脸和物体搜索，通过设备端AI实现视频转录、OCR文字识别等功能，无需云端上传，全面保护隐私。

Reddit热议Gemini 3.5 Flash在电子表格和文档处理任务上被严重低估，新基准测试验证了用户的真实体验。本文分析Gemini在文档处理上的技术优势，包括超长上下文窗口和多模态设计，并探讨AI模型选型应回归实际场景。

SpeakoFlow是一款开源本地语音助手，支持全局语音输入、屏幕内容理解和实时翻译。采用MIT协议，语音转文字完全本地运行，保护隐私数据不上传云端，支持Windows、macOS和Linux。

深度解析OpenAI Codex从编程智能体到全能AI工作站的进化历程，涵盖背景电脑操控、视觉标注、记忆功能、CodexSites一键部署等核心能力，帮助你理解并用好这款革命性AI平台。

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。

详细记录AI行为树游戏自动化项目中窗口捕获模块的开发过程，包括Python环境搭建、面向对象重构、模块化架构设计，以及从脚本到可复用类的完整实现思路。

Google Gemini 3.5 Flash展示了对复杂学术论文的深度理解与个性化可视化能力，能将高级数学论文转化为直观图形。本文解析其技术突破、应用场景及对学术研究的深远影响。

一款纯中文界面的桌面自动化脚本工具，支持图像识别、OCR文字识别、验证码处理、定时任务等功能，通过积木式拖拽操作零代码搭建自动化工作流，适合办公自动化、数据处理等场景。