有沒有可以做OCR和formatting的AI 工具？

AI 与人的协同关系主要体现在以下几个方面： 1. 生成式 AI 的人机协同分为 Embedding（嵌入式）、Copilot（副驾驶）、Agent（智能代理）3 种产品设计模式，在这 3 种模式下，人与 AI 的协作流程有所差异。其中，Embedding 模式下人类完成大多数工作，Copilot 模式下人类和 AI 协同工作，Agents 模式下 AI 完成大多数工作。 2. 可以使用 Multiagent Collaboration 的方法，让不同角色的 Agent 按照任务要求自主规划选择工具、流程进行协作完成任务。例如产品经理角色，可通过 Agents 拆解任务，遵循不同工作流生成大体符合期望的输出结果，再进行修改达到可用阶段。 3. 应从原子能力层重新思考，重塑工作流。可抽象化拆解大模型的底层能力，如翻译、识别、提取、格式化等，围绕“输入”“处理”“输出”“反馈”构建最底层的信息处理逻辑。 4. 重塑获取信息的方式，搜索引擎和基于大模型的聊天机器人在解决用户问题的目标上从根本上是一致的。 5. AGI 发展初期，与人脑相比仍有短板，需要向人学习，同时“人的模型”更重要的是解决 AI 与人配合的问题，实现 1+1＞2 的效果。但目前如何达到“人的模型”还未知，可能需要在“世界模型”基础上加入个人大量多样的数据。 6. 在未来商业模式中，AI 原生应用包括广义语言的万能翻译机、想象力与创造力、AI 使用工具及相互合作、AI 微决策、AI 与人合作等方面。在相当长时间里，AI 首先要解决的是与人合作的问题，这需要“人的模型”和“人的数据”，让 AI 理解与之配合的人类。

OpenAI 的相关信息如下： 模型： OpenAI API 由多种具有不同功能和价位的模型提供支持，还可通过微调针对特定用例对原始基本模型进行有限定制。 具体模型包括：GPT4（Beta），是一组改进 GPT3.5 的模型，能理解和生成自然语言或代码；GPT3.5，是一组改进 GPT3 的模型，能理解并生成自然语言或代码；DALL·E（Beta），能在给定自然语言提示的情况下生成和编辑图像；Whisper（Beta），能将音频转换为文本；Embeddings，能将文本转换为数字形式；Codex（Limited Beta），能理解和生成代码，包括将自然语言转换为代码；Moderation，能检测文本是否敏感或不安全的微调模型；GPT3，能理解和生成自然语言。 为何能跑通所有 AGI 技术栈： 方法论明确：通用模型能用到更多数据，减少技术栈，OpenAI 未来可能会继续走通用模型的道路，降低微调等特化的需求，继续增加模型的上下文长度。 用一个模型为另一个模型提供标注：OpenAI 的 Dall E 和 Sora 都用到了大量可能来自于 GPT vision 的数据标注，未来可能会继续加强各个模型的连接。 Transformer 架构：其在各个模态和技术栈具有优势，能复用模型参数和使用一套基础设施框架训练不同模型，新模型若要取代，需通过缩放定律的检验。 稀疏模型。

以下是 AI 在会计工作中帮助日常工作的一些方式： 1. 更动态的预测和报告： 生成式 AI 能够帮助编写 Excel、SQL 和 BI 工具中的公式和查询，实现分析自动化。 从更广泛、更复杂的数据集中发现模式，为预测建议输入，并提供适应模型的建议，为公司决策提供依据。 自动创建文本、图表、图形等内容，并根据不同示例调整报告，无需手动整合数据和分析到外部和内部报告中。 2. 会计和税务方面： 帮助综合、总结税法，并就潜在的扣除项提出可能的答案。 3. 采购和应付账款： 自动生成和调整合同、采购订单和发票以及提醒。 4. 结合 RPA 技术： 控制桌面软件，实现办公流程自动化，例如在财务领域用于开票、网银流水下载等。 搭建知识库、创建并部署 AI 工作流，结合飞书避免信息泄露和实现自动回复等，提升效率，节省人力时间成本。

以下是一些转行无经验可能适合的 AI 行业岗位： AIGC 产品经理：如 Sundy 从教育方向和 web3 行业转行，学习了生文生图的原理和应用后目标成为 AIGC 产品经理。 数据开发咨询、AI 视频制作与编辑：例如识影拥有 8 年数据开发经验，目前专注于探索这方面工作。 AI 创业者：像也毛从艺术专业毕业做职业导演，现布局竖屏短剧及 ai 短剧赛道；黄燕燕从 17 年地产人转行创业人工智能领域赛道，主做人工智能领域的服务与培训。 需要注意的是，虽然这些岗位可能对无经验者开放一定机会，但仍需要通过学习和实践不断提升自己在 AI 领域的知识和技能。

目前国内较多人使用的 AI 软件及应用场景如下： 医疗保健领域： 医学影像分析：辅助诊断疾病。 药物研发：加速药物研发过程。 个性化医疗：提供个性化治疗方案。 机器人辅助手术：提高手术精度和安全性。 金融服务领域： 风控和反欺诈：降低金融机构风险。 信用评估：帮助做出贷款决策。 投资分析：辅助投资者决策。 客户服务：提供 24/7 服务并回答常见问题。 零售和电子商务领域： 产品推荐：向客户推荐可能感兴趣的产品。 搜索和个性化：提供个性化购物体验。 动态定价：根据市场需求调整产品价格。 聊天机器人：回答客户问题并解决问题。 制造业领域： 预测性维护：避免机器故障停机。 质量控制：检测产品缺陷。 供应链管理：优化供应链提高效率和降低成本。 机器人自动化：提高生产效率。 此外，还有一些具体的应用产品，如： 游戏领域：腾讯游戏助手的 AI 游戏角色生成器，为游戏开发者生成独特角色。 招聘领域：智联招聘 APP 的 AI 招聘筛选工具，帮助企业快速筛选简历。 房地产领域：贝壳找房 APP 的 AI 房地产评估系统，准确评估房地产价值。 天气领域：墨迹天气 APP 的 AI 天气预报助手，提供精准天气预报和气象预警。 需要注意的是，关于国内使用人数最多的 AI 软件，没有确切的权威统计数据，其使用情况可能因行业、用户需求和地域等因素而有所不同。

AIGC（Artificial Intelligence Generated Content，人工智能生成内容）的技术原理如下： 生成式人工智能（GenAI）：基于深度学习技术和机器学习算法，从已有数据中学习并生成新的数据或内容。通过大规模数据集训练深度神经网络模型，学习各种数据的规律和特征，实现对输入数据的分析、理解和生成。典型的 GenAI 包括 OpenAI 推出的语言模型 ChatGPT、GPT4、图像模型 DALLE 以及百度推出的文心一言、阿里云推出的通义千问等。 机器学习：让机器自动从资料中找到公式。 深度学习：一种更厉害的手段，类神经网络，具有非常大量参数的函数。 大语言模型：是一类具有大量参数的“深度学习”模型。 AIGC 工具通常以自然语言处理为基础，分析大型文本数据集，并学习如何生成风格和语气相似的新内容，从而能够生成包括文本、图像、音频、视频和三维模型等多种形式的内容。

以下是一些关于用大模型将扫描版 PDF 进行 OCR 的工具的相关信息： kimi 目前不支持扫描版本的 PDF，需要纯文字才能识别。 大模型招投标文件关键数据提取方案中的输入模块设计，支持多种格式的文档输入，包括 PDF 等。对于图片，可以借助开放平台工具中的 OCR 工具进行文本提取。 在 0 基础跨界 AI 编程共学零基础手搓 AI 拍立得银海的相关内容中，提到了将 OCR 添加到工作流程中，输入为一张图片，具备图像理解和识别图像文本信息两个能力，之后以这两个能力生成的内容为输入使用大模型生成文案标题和文案。

目前在 OCR（光学字符识别）领域，有一些表现出色的 AI 工具，例如百度 OCR、腾讯 OCR 等。这些工具通常具有较高的识别准确率和丰富的功能，可以满足不同场景下的 OCR 需求。

目前在具备图像 OCR 能力的大模型方面，一些较为知名和好用的包括百度的文心大模型、阿里云的通义大模型等。但大模型的性能和适用场景可能会因具体需求和使用场景的不同而有所差异。您可以根据自己的具体需求进一步评估和选择。

以下为您介绍一些与 OCR 文字识别相关的内容： 在“安仔：我用 Coze 免费手搓了一个 24 小时英语陪练，根治了我多年的哑巴英语”中提到使用了 Simple OCR 插件，它能够识别图片中的文字，并返回识别结果，用于读取用户上传图片或文件的文字，并做相应处理。 在移动端图片视觉处理方面，对于试卷拍照去除书写笔迹，有以下详细方法： 1. 图像预处理： 图像去噪：使用高斯滤波、中值滤波等去噪算法去除图像中的噪声。 图像增强：通过直方图均衡化、对比度增强等增强算法提升图像的清晰度和对比度。 2. 图像分割： 使用阈值分割、边缘检测和基于区域的分割等算法将试卷图像中的书写笔迹和背景分离。 3. 文字检测： 在分割后的图像中，使用基于深度学习的文本检测模型等文字检测算法识别出试卷上的文字区域。 4. 文字识别： 对检测到的文字区域进行文字识别，将文字内容转换为计算机可处理的文本数据。常用技术包括基于深度学习的端到端文本识别模型和传统的 OCR 技术。 5. 后处理： 根据需求进行后处理，如去除残余的噪点、填补文字区域的空白等。 6. 机器学习模型训练（可选）： 如有足够的数据，可以采用机器学习技术训练模型，通过学习样本中的书写笔迹特征来自动去除试卷上的笔迹。 7. 优化算法：

Coze 上 OCR 识别手写插件推荐 Simple OCR：该插件可以识别图片中的文字，并返回识别结果。这个插件非常适合用于读取用户上传的图片或文件中的文字，并将其返回给用户或进行相应的处理。

Gemini 和 GPT 都是当前自然语言处理（NLP）领域中非常受欢迎的模型，它们在不同的应用场景中都有出色的表现。但是，在 OCR（光学字符识别）方面，哪个模型更好需要根据具体的任务和数据集来评估。 总的来说，GPT4 在多模态复杂数据问题和汉字的 OCR 方面表现较好，而 Gemini 在原生多模态能力和与搜索生态结合方面有一定的优势。但是，对于中文的理解能力，GPT4 可能更胜一筹。 需要注意的是，以上结论是基于已有数据和相关文章得出的，具体表现还需要根据实际应用场景进行评估。

以下是一些网站自动生成及 SEO 自动优化工具： 1. Wix ADI 网址：https://www.wix.com/ 特点：基于用户提供的信息自动生成定制化网站，提供多个设计选项和布局，集成了 SEO 工具和分析功能。 2. Bookmark 网址：https://www.bookmark.com/ 特点：AIDA 通过询问用户几个简单问题快速生成网站，提供直观的拖放编辑器，包括多种行业模板和自动化营销工具。 3. Firedrop 网址：https://firedrop.ai/ 特点：Sacha 是其 AI 设计助手，可根据用户指示创建和修改网站设计，提供实时编辑和预览功能，包含多种现代设计风格和自定义选项。 4. The Grid 网址：https://thegrid.io/ 特点：Molly 是其 AI 设计助手，可自动调整网站设计和布局，基于内容和用户互动进行优化，支持多种内容类型。 5. Zyro 网址：https://zyro.com/ 特点：使用 AI 生成网站内容，包括文本、图像和布局建议，提供 AI 驱动的品牌和标志生成器，包含 SEO 和营销工具。 6. 10Web 网址：https://10web.io/ 特点：基于 AI 的 WordPress 网站构建工具，可自动生成网站布局和设计，提供一键迁移功能，集成的 AI 驱动 SEO 分析和优化工具。 7. Jimdo Dolphin 网址：https://www.jimdo.com/ 特点：Dolphin 是其 AI 网站构建器，通过询问用户问题定制网站，提供自动生成的内容和图像，包含电子商务功能。 8. Site123 网址：https://www.site123.com/ 特点：简单易用，适合初学者，提供多种设计模板和布局，包括内置的 SEO 和分析工具。 常用的 SEO 工具包括：Semrush、Similarweb、Ahrefs、Moz、Google Trends 等。对于新手，谷歌插件 AITDK 能满足基本需求，链接：https://chromewebstore.google.com/detail/aitdkseoextension/hhfkpjffbhledfpkhhcoidplcebgdgbk 。其他免费工具： 1. Broken Link Checker：https://www.brokenlinkcheck.com/ 2. 查找同一域上重复内容：https://www.siteliner.com/ 3. 查找页面副本：https://www.copyscape.com/ 4. 检查是否为 AI 生成内容：https://undetectable.ai/ 5. 本地化网站爬虫检查：https://www.screamingfrog.co.uk/seospider/

以下是为您推荐的老照片上色工具： 1. 字节发布的新模型 SeedEdit：能够给黑白老照片上色，还能进行元素替换、风格切换、移除无关元素等操作。 2. Stable Diffusion：将照片放入后期处理，使用 GFPGAN 算法使人脸变清晰，再发送到图生图中，打开 stableSR 脚本放大两倍，切换到 sd2.1 模型进行修复。但对于内容较多的照片，可能需要逐个上色并用 PS 进行融合。

以下是一些可用于生成宣传名片的 AGI 工具： 1. 谷歌图像生成工具：理解能力强，有使用门槛，不能输入中文，每日免费 500 次，生成速度快，可调整提示词和选项，能根据提示词生成不同风格和复杂程度的图像，随机种子影响生成结果，可提供参考图设置主题场景样式。 2. 纳米搜索反推提示词：可上传图片让其反推 midjourney 提示词，输出效果好，能调用多种模型，查阅资料也可用，会搜索全网并精选资料，还能看到调用的内容和参考资料。 此外，以下是一些常用于营销领域的 AI 工具，也可能对生成宣传名片有所帮助： 1. Synthesia：允许用户创建由 AI 生成的高质量视频，包括数字人视频。提供多种定价计划，从免费到商业级不等，可用于制作营销视频、产品演示等。 2. HeyGen：基于云的 AI 视频制作平台，用户可从 100 多个 AI 头像库中选择，并通过输入文本生成数字人视频。适合制作营销视频和虚拟主持人等。 3. Jasper AI：人工智能写作助手，可用于生成营销文案、博客内容、电子邮件等。提供多种语气和风格选择，写作质量较高。 4. Copy.ai：AI 营销文案生成工具，可快速生成广告文案、社交媒体帖子、电子邮件等营销内容。有免费和付费两种计划。 5. Writesonic：AI 写作助手，专注于营销内容创作，如博客文章、产品描述、视频脚本等。提供多种语气和行业定制选项。 更多的营销产品可以查看 WaytoAGI 网站：https://www.waytoagi.com/sites?tag=8 。需要注意的是，内容由 AI 大模型生成，请仔细甄别。

以下是一些可用于旧照片翻新的 AI 工具： 1. Stable Diffusion：可以通过设置颜色提示词和使用 cutoff 插件来控制颜色，使老照片上色效果更好。对于复杂的照片，可能需要逐个上色并用 PS 进行融合。相关文章： 2. Dreamina 即梦： 网址：https://dreamina.jianying.com/aitool/home?subTab= 优点：不需要🪜，每天有免费额度；注册可用抖音号或手机号，耗时约 5 分钟。 3. Sora： 网址：https://openai.com/sora 优点：发布的成果好，集成在 openai 一套里可用。 限制：需要🪜，需要 gmail 注册，需要订阅后才能使用，耗时 30 60 分钟，价格为 GPT 4 20$一个月。

以下是一些可用于旧照片翻新的 AI 工具： 1. Stable Diffusion：可以用 AI 给老照片上色，但可能存在颜色提示词相互污染、背景不统一等问题。为解决这些问题，可启用 cutoff 插件进行控制。相关文章可参考。此外，还能将低像素照片变得更高清。 2. Dreamina 即梦： 网址：https://dreamina.jianying.com/aitool/home?subTab= 优点：不需要🪜，每天有免费额度。 注册：抖音号或手机号。 时间：5min。 3. Sora： 网址：https://openai.com/sora 优点：发布的成果好，集成在 openai 一套里可用。 限制：需要🪜，需要 gmail 注册，需要订阅后才能使用。 时间：30 60min。 价格：GPT 4 20$一个月。

以下是一些可以通过 AI 画 3D 图形的工具： 1. CADtools 12：这是一个 Adobe Illustrator（AI）插件，为 AI 添加了 92 个绘图和编辑工具，包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360：Autodesk 开发的一款集成了 AI 功能的云端 3D CAD/CAM 软件，能帮助用户创建复杂的几何形状和优化设计。 3. nTopology：基于 AI 的设计软件，可帮助用户创建复杂的 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD：基于 AI 的 CAD 软件，能根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 5. 生成设计工具：一些主流 CAD 软件，如 Autodesk 系列、SolidWorks 等，提供了基于 AI 的生成设计工具，可根据用户输入的设计目标和约束条件自动产生多种设计方案。 此外，还有以下工具： 1. @CSM_ai：能将文本、图像或草图转换为 3D 素材，直接应用于游戏中，无需后期处理。体验地址：https://cube.csm.ai 2. Move AI 推出的 Move API：从 2D 视频生成 3D 运动数据，支持多种 3D 文件格式导出，为 AR 应用、游戏开发等提供高质量 3D 运动数据。网址：https://move.ai/api 3. ComfyUI 3D Pack：能快速将图片转换为 3D 模型，支持多角度查看，使用 3D 高斯扩散技术提升模型质量，支持多种格式导出，集成先进 3D 处理算法。网址：https://github.com/MrForExample/ComfyUI3DPack/tree/main 4. Medivis 的 SurgicalAR 手术应用：将 2D 医疗图像转化为 3D 互动视觉，提高手术精度，支持 3D 模型的放大、缩小、旋转，精确手术计划。网址：https://t.co/3tUvxB0L4I 5. MakeACharacter：一键生成 3D 数字人，可自定义面部特征，生成逼真 3D 角色，基于真实人类扫描数据，使用 Unreal Engine 渲染，支持中英文提示，兼容多个行业应用。网址：https://x.com/xiaohuggg/status/1743986486780076279?s=20 6. Rodin Gen1：3D 原生生成模型，拥有 1.5B 参数，可实现 3Dto3D 生成，生成 3D 模型及物理基础渲染材质，支持 3D LoRA 技术，类似于 Stable Diffusion。网址：https://x.com/xiaohuggg/status/1743638052097184102?s=20 7. Skybox AI 0.9 版本：可以从文本提示或草图生成 360 度 3D 世界，使用 NeRF 技术，增强图像的空间深度和真实感，提供不同分辨率的 3D 网格下载。网址：https://x.com/xiaohuggg/status/1739926702158225859?s=20 8. 扫描物体生成 3D 模型的 APP：使用 APP 扫描物体，完成 3D 全貌捕获，创建 AR QR 码，展示物体于任何地点。