这是一个创建于 213 天前的主题，其中的信息可能已经有所发展或是发生改变。
- 首先为取代 mathpix (到期了，价格贵)
- 发现大语言模型多模态具有识别 公式，代码块，甚至手写
- 测试用的 qwen2.5-vl-7b 感觉已经可以媲美 mathpix
- 价格便宜，平均 1可以识别 1000 张图
- 自己用 swiftUI 开发了一个软件，仅 2M 大小，调用大模型进行 OCR ，可实时预览及修改
- 项目地址 TextPix
- 软件界面
 | 1 ashing 213 天前 看起来还不错，有空体验下。 |
 | 2 xuemian 213 天前 大佬 |
 | 3 SeaSaltPepper 213 天前 歪个楼：有没有什么地方能看 LLM OCR 跑分排名的 |
 | 4 lchynn 213 天前  1 @SeaSaltPepper ocrBench ，ocrBenchV2 ，docVQA, infoVQA ，ChartQA ，TableVQA ， 几个多模态指标都是看视觉模型对文字的识别理解能力的。 都有 leaderboard |
 | 5 yjxjn 213 天前 同楼咨询个问题。 我目前在做的项目，也是关于 OCR 识别。但是要识别试卷内容。进行阅卷。现在有个问题，这种大模型可以识别出试卷之类的么？用了 paddleOCR ，客观题，直接就嘎了。 |
 | 6 lamses 213 天前 |
 | 7 loadingimg 212 天前 via iPhone 自己基于 qwen vl 可以微调一下 |
 | 8 zggsong 212 天前 试了一下，prompt 识别公式效果还是蛮好的，理论上使用现有的类似 Bob 配置 llm 服务也能实现该效果  |
 | 12 HaroldFinchNYC 212 天前 实际上我用 ocr 的机会不多 但我知道有个行业用的比较多，就是教育行业 |
 | 13 ztfot OP @HaroldFinchNYC 害，学生用的多嘛 |
Select Language