Navigate to WaytoAGI Wiki →
Home/question.detail.breadcrumb.questionList/question.detail.breadcrumb.questionDetail

ocr

Answer

关于 OCR 的相关信息如下：

  • GPT 的 OCR 识别问题及解决方案：
    • 问题：开启代码执行功能时，GPT 会尝试用代码完成 OCR，导致无法正确识别图片文字。
    • 解决方案：
      • 如果是自定义 GPT，关闭 Code Interpreter。
      • 无法关闭时，提问时明确说明“不要执行代码，请用自身多模态能力识别文字”。
      • 直接使用 ChatGPT，而非 GPT。参考链接：https://x.com/dotey/status/1869947164249489507
  • 开源的 Zerox OCR 工具：
Content generated by AI large model, please carefully verify (powered by aily)

References

宝玉 日报

🫧宝玉日报「12月20日」✨✨✨✨✨✨✨✨1⃣️🖼️GPT的OCR识别问题及解决方案问题：开启代码执行功能时，GPT会尝试用代码完成OCR，导致无法正确识别图片文字。解决方案：1.如果是自定义GPT，关闭Code Interpreter。2.无法关闭时，提问时明确说明“不要执行代码，请用自身多模态能力识别文字”。3.直接使用ChatGPT，而非GPT。🔗[https://x.com/dotey/status/1869947164249489507](https://x.com/dotey/status/1869947164249489507)2⃣️💻ChatGPT桌面应用升级发布主要亮点：支持与多种应用协作，优化工作效率。新功能：1.实时协作：通过Warp终端、Xcode实现智能协作。2.文档支持：支持Notion、Apple Notes等工具。3.语音交互：新增语音助手模式，体验更智能。4.搜索辅助：确保输出信息的准确性。可用性：Mac版本现已发布，Windows版本即将推出。🔗[https://x.c](https://x.com/dotey/status/1869844320322204154)[om/dotey/status/1869844320322204154](https://x.com/dotey/status/1869844320322204154)3⃣️🚀Gemini推理模型已上线AI Studio

XiaoHu.AI日报

🔔Xiaohu.AI日报「10月20日」✨✨✨✨✨✨✨✨1⃣️🖥️Zerox OCR工具：开源GPT OCR工具，支持PDF、DOCX转换为Markdown。可并发处理，选择特定页面及模型选项。详细介绍🔗[https://xiaohu.ai/p/14778](https://xiaohu.ai/p/14778)🔗[https://getomni.ai/ocr-demo](https://getomni.ai/ocr-demo)2⃣️📈BrightEdge数据揭示：OpenAI的SearchGPT以150%增长速度成竞争对手。YouTube内容引用增长310%，促进品牌搜索表现。🔗[https://x.com/imxiaohu/status/1847491108642963573](https://x.com/imxiaohu/status/1847491108642963573)3⃣️🗣️ChatGPT高级语音模式：即将上线，但应用场景有限，API成本降低将拓展用途。🔗[https://x.com/imxiaohu/status/1847575551424548931](https://x.com/imxiaohu/status/1847575551424548931)4⃣️🎥Viggle视频生成：文字描述生成动态视频，基于JST-1模型理解物理运动。可控制角色动作和场景，创建3D角色和场景。🔗[http://viggle.ai](http://viggle.ai)🔗[https://discord.gg/5kk5SKwTWd](https://discord.gg/5kk5SKwTWd)🔗[https://x.com/imxiaohu/status/1771173928591093940](https://x.com/imxiaohu/status/1771173928591093940)

XiaoHu.AI日报

🔔Xiaohu.AI日报「10月20日」✨✨✨✨✨✨✨✨1⃣️🖥️Zerox OCR工具：开源GPT OCR工具，支持PDF、DOCX转换为Markdown。可并发处理，选择特定页面及模型选项。详细介绍🔗[https://xiaohu.ai/p/14778](https://xiaohu.ai/p/14778)🔗[https://getomni.ai/ocr-demo](https://getomni.ai/ocr-demo)2⃣️📈BrightEdge数据揭示：OpenAI的SearchGPT以150%增长速度成竞争对手。YouTube内容引用增长310%，促进品牌搜索表现。🔗[https://x.com/imxiaohu/status/1847491108642963573](https://x.com/imxiaohu/status/1847491108642963573)3⃣️🗣️ChatGPT高级语音模式：即将上线，但应用场景有限，API成本降低将拓展用途。🔗[https://x.com/imxiaohu/status/1847575551424548931](https://x.com/imxiaohu/status/1847575551424548931)4⃣️🎥Viggle视频生成：文字描述生成动态视频，基于JST-1模型理解物理运动。可控制角色动作和场景，创建3D角色和场景。🔗[http://viggle.ai](http://viggle.ai)🔗[https://discord.gg/5kk5SKwTWd](https://discord.gg/5kk5SKwTWd)🔗[https://x.com/imxiaohu/status/1771173928591093940](https://x.com/imxiaohu/status/1771173928591093940)

Others are asking
ocr大模型的原理
OCR 大模型的原理如下： 1. 生成式：大模型根据已有的输入为基础，不断计算生成下一个字词（token），逐字完成回答。例如，一开始给定提示词，大模型结合自身存储的知识进行计算推理，算出下一个单词的概率并输出，新的输出与过去的输入一起成为新的输入来计算下一个词，直到计算出的概率最大时结束输出。 2. 预训练：大模型“脑袋”里存储的知识都是预先学习好的，这个预先学习并把对知识的理解存储记忆在“脑袋”里的过程称为预训练。预训练需要花费大量时间和算力资源，且在没有其他外部帮助的情况下，大模型所知道的知识信息可能不完备和滞后。 3. 规模效应：参数规模的增加使得大模型实现了量变到质变的突破，最终“涌现”出惊人的“智能”。就像人类自身，无论是物种进化还是个体学习成长，都有类似“涌现”的结构。
2024-12-26
用大模型将扫描版PDF进行OCR的工具
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。
2024-12-11
推荐可以OCR的AI
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。
2024-09-26
推荐下好用的具备图像OCR能力的大模型
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。
2024-09-19
OCR文字 识别的软件
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：
2024-09-18
有沒有可以做OCR和formatting的AI 工具？
目前市面上有多种AI工具可以进行OCR（光学字符识别）和格式转换，以下是一些可用的工具： 1. 白描网页版OCR：提供在线图片文字提取服务，支持JPG/PNG/BMP/GIF/SVG格式的图片，并允许用户通过选择或拖拽图片到网页上进行文字识别 。 2. AI文字识别（OCR）工具：这是一个免费的在线OCR工具，支持中英文及数字的识别，并且基于浏览器运行，确保文件安全。用户可以通过选择图片来识别图像中的文本，并将其转换为可编辑的文本 。 3. iLoveOCR：这是一个在线OCR工具，可以将扫描的文档和图像转换成可编辑的Word、PDF、Excel、PowerPoint、ePub和Txt格式。支持多语言识别，并保证用户上传的文件在24小时后自动删除，注重隐私保护 。 4. 轻闪PDF OCR：提供在线服务，允许用户将PDF和图像文件转换成可编辑的格式，支持25种语言的OCR识别，并且界面简洁无广告，注重用户文件的安全性 。 这些工具通过AI技术提高了文字识别的准确性和效率，适用于将图片或PDF文件中的文字转换成可编辑的格式，非常适合需要大量文档处理和数据转换的用户。
2024-07-14