正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

基于Llama 3.2的轻量级开源OCR工具：llama-ocr，不到5行代码搞定目前支持图像处理，输出markdown格式，它复杂的图像，比如收据或包含表格/图表的PDF等能力优秀支持本地图片和网络图片OCR Npm包： Hassan高产，期待logo生成器 ocr #llamaocr

AIGCLINK

36,392 subscribers

29,040 次观看 • 1 年前 •via X (Twitter)

教育科学技术 #llamaocr

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

集截屏、OCR、搜索、翻译、贴图、屏幕翻译、以图搜图、滚动截屏、录屏于一身的工具：eSearch OCR后可调用翻译，跨平台支持 github：

集截屏、OCR、搜索、翻译、贴图、屏幕翻译、以图搜图、滚动截屏、录屏于一身的工具：eSearch OCR后可调用翻译，跨平台支持 github：

AIGCLINK

40,099 次观看 • 1 年前

结构化数据提取工具：knowledge-table，它可以以自然语言查询的方式从非结构化文档中提取结构化数据，并以表格或图表的形式展现提供了类似于电子表格的用户界面，非技术也能使用 1、可自定义提取规则，支持数据追溯 2、支持链式提取，可基于之前提取的信息继续提问 3、支持导出为CSV或图形三元组 github： #数据结构化 #数据提取

结构化数据提取工具：knowledge-table，它可以以自然语言查询的方式从非结构化文档中提取结构化数据，并以表格或图表的形式展现提供了类似于电子表格的用户界面，非技术也能使用 1、可自定义提取规则，支持数据追溯 2、支持链式提取，可基于之前提取的信息继续提问 3、支持导出为CSV或图形三元组 github： #数据结构化 #数据提取

AIGCLINK

17,292 次观看 • 1 年前

这个图片处理的工具，只要你用过就会立马路转粉😊 能快速轻松地将 JPEG 和 PNG 位图转换为 SVG 矢量，可无限量放大，目前支持的最大图像像素大小为2万像素，不用登录，还能免费使用 🔗

这个图片处理的工具，只要你用过就会立马路转粉😊 能快速轻松地将 JPEG 和 PNG 位图转换为 SVG 矢量，可无限量放大，目前支持的最大图像像素大小为2万像素，不用登录，还能免费使用 🔗

千寻｜AI 分享 🌸

80,273 次观看 • 2 年前

英伟达版的“Banana”，英伟达开源了一款物理级图像编辑模型：ChronoEdit-14B，静态图+一句话，4秒生成一张符合物理的图像 ChronoEdit具备“时间观念”和“物理常识”，它能理解动作，比如说“推倒”、“拿起”这种动作，可以根据它学到的物理常识，画出这个动作发生后，世界应该变成什么样子 8 步扩散完成一次图像编辑，在H100上约4秒一张图从效果看，预测动作发生结果的能力比较强，改变姿势后，人物、服装、背景风格的一致性也保持的比较好，光影、反射效果处理的也比较符合逻辑可以用在游戏制作、电影特效、机器人训练等场景上 #ChronoEdit #AI图像编辑

英伟达版的“Banana”，英伟达开源了一款物理级图像编辑模型：ChronoEdit-14B，静态图+一句话，4秒生成一张符合物理的图像 ChronoEdit具备“时间观念”和“物理常识”，它能理解动作，比如说“推倒”、“拿起”这种动作，可以根据它学到的物理常识，画出这个动作发生后，世界应该变成什么样子 8 步扩散完成一次图像编辑，在H100上约4秒一张图从效果看，预测动作发生结果的能力比较强，改变姿势后，人物、服装、背景风格的一致性也保持的比较好，光影、反射效果处理的也比较符合逻辑可以用在游戏制作、电影特效、机器人训练等场景上 #ChronoEdit #AI图像编辑

AIGCLINK

26,876 次观看 • 9 个月前

二、介绍 DomoAI ｜DomoAI official Domo AI 是一个智能艺术生成器，可以快速创建高质量的动漫图片🏙️+头像👩⚕️ 支持： ✅ 视频转视频 ✅ 图片转视频 ✅ 文字转图片等功能...... 风格： ⭐️ 动漫风格 ⭐️ 纸片风格 ⭐️ 3D卡通 ⭐️ 素描风格.... Domo AI 是一个智能艺术生成器，可以快速创建高质量的动漫图片🏙️ + 头像👩

二、介绍 DomoAI ｜DomoAI official Domo AI 是一个智能艺术生成器，可以快速创建高质量的动漫图片🏙️+头像👩⚕️ 支持： ✅ 视频转视频 ✅ 图片转视频 ✅ 文字转图片等功能...... 风格： ⭐️ 动漫风格 ⭐️ 纸片风格 ⭐️ 3D卡通 ⭐️ 素描风格.... Domo AI 是一个智能艺术生成器，可以快速创建高质量的动漫图片🏙️ + 头像👩

老白（每日干货分享✊）

15,870 次观看 • 1 年前

受够了AI生图生视频，弹出次数限制、需要登录、服务器繁忙、排队等问题……😭 现在有一个工具全部搞定，还完全免费，支持文字生图 + AI照片编辑 + 图片/文字转视频，效果还很强！😄 这是啥工具？🤔 叫 Raphael AI（ 📍 文字直接生成图片：支持多种顶尖模型，照片级、动漫、写实、电影感等风格随意切换 📍 强大AI图片编辑：一键修图、背景移除、老照片修复、风格转换、参考图改造（最多支持3张参考） 📍 图片/文字转视频：支持高质量视频生成，动作顺滑、电影级效果 📍 完全免费无限制：无需注册登录即可无限基础生成（慢速队列），登录后解锁更多免费额度 📍 智能多模型路由：自动挑选最佳模型，几秒出图/出视频，新手友好使用方法 1. 打开 2. 输入文字描述（或上传参考图） 3. 选择生成图片、编辑还是视频 4. 点击生成，几秒就能拿到结果支持中英文提示词，操作直观，随时随地用浏览器就能创作。这个工具把生图、修图、做视频全整合了，真正的一站式AI创作神器！转发+收藏，朋友们～ #Raphael #AI生图 #AI视频生成 #AI图片编辑 #免费AI工具 #无限生成 #一站式AI创作

受够了AI生图生视频，弹出次数限制、需要登录、服务器繁忙、排队等问题……😭 现在有一个工具全部搞定，还完全免费，支持文字生图 + AI照片编辑 + 图片/文字转视频，效果还很强！😄 这是啥工具？🤔 叫 Raphael AI（ 📍 文字直接生成图片：支持多种顶尖模型，照片级、动漫、写实、电影感等风格随意切换 📍 强大AI图片编辑：一键修图、背景移除、老照片修复、风格转换、参考图改造（最多支持3张参考） 📍 图片/文字转视频：支持高质量视频生成，动作顺滑、电影级效果 📍 完全免费无限制：无需注册登录即可无限基础生成（慢速队列），登录后解锁更多免费额度 📍 智能多模型路由：自动挑选最佳模型，几秒出图/出视频，新手友好使用方法 1. 打开 2. 输入文字描述（或上传参考图） 3. 选择生成图片、编辑还是视频 4. 点击生成，几秒就能拿到结果支持中英文提示词，操作直观，随时随地用浏览器就能创作。这个工具把生图、修图、做视频全整合了，真正的一站式AI创作神器！转发+收藏，朋友们～ #Raphael #AI生图 #AI视频生成 #AI图片编辑 #免费AI工具 #无限生成 #一站式AI创作

Denzii 🕊️

103,473 次观看 • 1 个月前

实现0.5秒出图改图 Black Forest Labs 推出亚秒级速度图像生成模型：FLUX.2 [klein] ⚡ 0.5 秒内生成或编辑图像 🧩 同时支持：文字生成、图像编辑、多图融合功能 💻 消费级显卡即可运行（13GB VRAM 起） 🖼️ 输出接近商业级成品，质量≈ Midjourney V6 🚀延迟降低 5–10 倍，同时保持领先的图像保真度与风格多样性 4B 模型：Apache 2.0 全开源，可自由商用与再训练 9B 模型：FLUX NCL（非商业许可），用于研究与原型开发

实现0.5秒出图改图 Black Forest Labs 推出亚秒级速度图像生成模型：FLUX.2 [klein] ⚡ 0.5 秒内生成或编辑图像 🧩 同时支持：文字生成、图像编辑、多图融合功能 💻 消费级显卡即可运行（13GB VRAM 起） 🖼️ 输出接近商业级成品，质量≈ Midjourney V6 🚀延迟降低 5–10 倍，同时保持领先的图像保真度与风格多样性 4B 模型：Apache 2.0 全开源，可自由商用与再训练 9B 模型：FLUX NCL（非商业许可），用于研究与原型开发

小互

24,961 次观看 • 6 个月前

notebooklm 可以生成非常精美的ppt，但是有时候大家需要合成一张图片，便于后续分享、加工做成海报。我在网上看了现成的，发现居然要收19.9$/月，无语了。。。于是自己vibe 了一个 pdf 转图片的网站，分享给大家使用：支持合成一张长图或者组合成一张A4大小的图片，支持提交自己名称水印可直接使用的地址：开源仓库地址：

notebooklm 可以生成非常精美的ppt，但是有时候大家需要合成一张图片，便于后续分享、加工做成海报。我在网上看了现成的，发现居然要收19.9$/月，无语了。。。于是自己vibe 了一个 pdf 转图片的网站，分享给大家使用：支持合成一张长图或者组合成一张A4大小的图片，支持提交自己名称水印可直接使用的地址：开源仓库地址：

岚叔

48,137 次观看 • 8 个月前

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片可以说话、眨眼、转头、做表情等支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片可以说话、眨眼、转头、做表情等支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人

AIGCLINK

35,360 次观看 • 1 年前

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

歸藏(guizang.ai)

31,171 次观看 • 2 年前

短视频内容制作神器！北大等高校开源的一个可控制的人物图像动画视频项目：DisPose，人物特征、服装细节等细节保持的很好，动作过度看起来比较自然流畅 #DisPose #图像动画视频生成

短视频内容制作神器！北大等高校开源的一个可控制的人物图像动画视频项目：DisPose，人物特征、服装细节等细节保持的很好，动作过度看起来比较自然流畅 #DisPose #图像动画视频生成

AIGCLINK

24,684 次观看 • 1 年前

发现个 Claude Code 的神级 Skill，画图颜值真的吊打 Mermaid 和 fireworks-tech-graph，只要你一句话，它直接给你吐出生产级别的 SVG+PNG 技术图。最绝的是它有 7 种神仙画风：深色终端风、工程蓝图风、毛玻璃风，甚至还能模仿 OpenAI 和 Claude 的官方配色风格。支持 14 种 UML 图，像 RAG 架构、多智能体协作这种复杂图，一句"帮我画个 RAG 架构图，深色风格"直接搞定。安装贼简单，一行命令 `npx skills add yizhiyanhua-ai/fireworks-tech-graph` 就能装到 Claude Code 里，输出 SVG 方便二次编辑，高清 PNG 直接贴文档。平时写技术文档、做汇报 PPT 的，这个必须试一下。项目地址放评论区了👇

发现个 Claude Code 的神级 Skill，画图颜值真的吊打 Mermaid 和 fireworks-tech-graph，只要你一句话，它直接给你吐出生产级别的 SVG+PNG 技术图。最绝的是它有 7 种神仙画风：深色终端风、工程蓝图风、毛玻璃风，甚至还能模仿 OpenAI 和 Claude 的官方配色风格。支持 14 种 UML 图，像 RAG 架构、多智能体协作这种复杂图，一句"帮我画个 RAG 架构图，深色风格"直接搞定。安装贼简单，一行命令 `npx skills add yizhiyanhua-ai/fireworks-tech-graph` 就能装到 Claude Code 里，输出 SVG 方便二次编辑，高清 PNG 直接贴文档。平时写技术文档、做汇报 PPT 的，这个必须试一下。项目地址放评论区了👇

Vincent

120,290 次观看 • 2 个月前

可灵昨晚发布了 O1：一个大一统的视频、图像生成和编辑工具，支持你能想到所有图像和视频编辑能力。藏师傅会对这次新增的一些能力进行测试，同时大概教大家一下这个模式应该如何使用 👇下面是具体的教程和测试内容

可灵昨晚发布了 O1：一个大一统的视频、图像生成和编辑工具，支持你能想到所有图像和视频编辑能力。藏师傅会对这次新增的一些能力进行测试，同时大概教大家一下这个模式应该如何使用 👇下面是具体的教程和测试内容

歸藏(guizang.ai)

46,516 次观看 • 8 个月前

前几天在推特刷屏的基于LCM和SDXL Turbo每秒生成110张图像的项目居然开源了，有想做相关实时图像生成产品的可以关注一下。 StreamDiffusion是一种扩散模型管道，主要是为了实时图像生成服务的，为实时图像生成提供了显著的性能增强。支持的模型和输出帧率： ◆SD-turbo，1步，t2i每秒帧率106，i2i每秒帧率93。 ◆LCM-LoRA+KohakuV2，4步，t2i每秒帧率38，i2i每秒帧率37。主要特点： ◆通过高效的批处理操作实现了数据处理的流程优化。 ◆改进的指导机制可以最大程度地减少计算冗余。 ◆通过先进的过滤技术提高GPU利用效率。 ◆有效管理输入和输出操作，以实现更顺畅的执行。 ◆优化缓存策略以加速处理。 ◆利用各种工具进行模型优化和性能提升。项目地址：

前几天在推特刷屏的基于LCM和SDXL Turbo每秒生成110张图像的项目居然开源了，有想做相关实时图像生成产品的可以关注一下。 StreamDiffusion是一种扩散模型管道，主要是为了实时图像生成服务的，为实时图像生成提供了显著的性能增强。支持的模型和输出帧率： ◆SD-turbo，1步，t2i每秒帧率106，i2i每秒帧率93。 ◆LCM-LoRA+KohakuV2，4步，t2i每秒帧率38，i2i每秒帧率37。主要特点： ◆通过高效的批处理操作实现了数据处理的流程优化。 ◆改进的指导机制可以最大程度地减少计算冗余。 ◆通过先进的过滤技术提高GPU利用效率。 ◆有效管理输入和输出操作，以实现更顺畅的执行。 ◆优化缓存策略以加速处理。 ◆利用各种工具进行模型优化和性能提升。项目地址：

歸藏(guizang.ai)

30,335 次观看 • 2 年前

这是一个开源 PDF 编辑器，在GitHub 上已经斩获夸张的8.8w+star 它在浏览器、桌面、服务器全平台都能部署运行，包含60多种 PDF 工具支持合并拆分、格式转换、OCR识别、签名加密、批注编辑，还支持40种语言界面和自动化工作流，企业团队也能直接扩展使用所有文件全程本地处理，不上传任何第三方服务器，适合对隐私敏感的场景

这是一个开源 PDF 编辑器，在GitHub 上已经斩获夸张的8.8w+star 它在浏览器、桌面、服务器全平台都能部署运行，包含60多种 PDF 工具支持合并拆分、格式转换、OCR识别、签名加密、批注编辑，还支持40种语言界面和自动化工作流，企业团队也能直接扩展使用所有文件全程本地处理，不上传任何第三方服务器，适合对隐私敏感的场景

阿西_出海

17,475 次观看 • 3 天前

一个不错的个人知识库项目：Supermemory，可以保存网络信息，比如网页、推特、笔记等内容，然后基于这些内容进行AI搜索开源的，比X的书签搜索好用特点： 1、ChatGPT for Bookmarks：支持将网页、推特帖子等保存到 Supermemory，使用其内置的 AI 功能进行搜索、提问 2、知识画布：以二维画布的形式组织信息，方便理解和关联 3、写作助手：支持基于保存的数据进行AI写作 4、集成：支持 Telegram 和 Twitter 等平台的集成 github：网站： #个人知识库 #AI搜索 #Supermemory #知识库

一个不错的个人知识库项目：Supermemory，可以保存网络信息，比如网页、推特、笔记等内容，然后基于这些内容进行AI搜索开源的，比X的书签搜索好用特点： 1、ChatGPT for Bookmarks：支持将网页、推特帖子等保存到 Supermemory，使用其内置的 AI 功能进行搜索、提问 2、知识画布：以二维画布的形式组织信息，方便理解和关联 3、写作助手：支持基于保存的数据进行AI写作 4、集成：支持 Telegram 和 Twitter 等平台的集成 github：网站： #个人知识库 #AI搜索 #Supermemory #知识库

AIGCLINK

39,029 次观看 • 2 年前

一款强大且易用的在线数据库设计工具及 SQL 生成器：DrawDB。只需轻松点击几下即可创建图表，导出 SQL 脚本，以及自定义编辑器等。 GitHub：目前已支持大部分主流数据库，如 MySQL、PostgreSQL 以及 SQLite 等。而且完全开源免费，无需注册账户即可体验。

一款强大且易用的在线数据库设计工具及 SQL 生成器：DrawDB。只需轻松点击几下即可创建图表，导出 SQL 脚本，以及自定义编辑器等。 GitHub：目前已支持大部分主流数据库，如 MySQL、PostgreSQL 以及 SQLite 等。而且完全开源免费，无需注册账户即可体验。

GitHubDaily

29,999 次观看 • 1 年前