适用于
通用
分类(旧)
OCR AI关键词
oooocoooo
先砸你土肥坡泔水锅
Reformat
等
3 人赞了这个动作
。
更多信息
| 分享时间 | 2025-01-13 13:40 |
| 最后更新 | 8天1小时前 |
| 修订版本 | 7 |
| 用户许可 | 可自己使用或修改，不可再分享 |
| Quicker版本 | 1.43.61 |
| 动作大小 | 61.9 KB |
「使用大模型的多模态能力进行OCR识别」
简介
视频中如此好的效果用的模型为gemini-2.0-flash、有条件的可以试试，阿里最新qwen-vl-max好像也行
复杂文本的识别请使用能力强的多模态模型
1、可以识别多个语种不需要做其他特殊的配置，目前主流的语言都可以较为精准的识别相比于其他OCR的优势
2、可以识别公式，可以相对较好的识别公式
3、以上功能不需要单独特殊的配置，一次性ALL in
默认使用的模型为硅基流动中的模型，可以自己更换其他模型，只是个demo，如果有意见可以提
请在硅基流动获取API-KEY，注册免费送额度
增加了智谱清言大模型平台，上有免费的glm-4v-flash可以使用，注册送token，在此处获取apikey
智谱清言
可以使用通义千问的多模态大模型，质量相当不错
Google大模型gemini的api填写方式
自行获取api-key和解决网络问题，Google AI Studio
具体的apibase填写可以参考quicker的官方文档
作者所声明的动作特征：
- 依赖第三在线服务
最近更新
| 修订版本 | 更新时间 | 更新说明 |
|---|---|---|
| 7 | 8天1小时前 | 增加了通义千问 |
| 6 | 2025-02-08 22:20 | 更新了图片的上传方式，以适应更多平台，比如gemini |
| 5 | 2025-01-27 18:51 | bug修复 |
京公网安备 11010502053266号