AI 效率技能与自动化

Surya OCR 2.5

datalab-to · 工具包

用 689M 参数的模型读取文档图像中的文字，还能找出文本行、版面块和阅读顺序。适合把扫描件和照片变成文字和 HTML 表格的开发者。

Surya 2.5 GGUF

datalab-to · 工具包

从文档图像里读取文字、表格和版面，并以文字返回。这是 Surya 2.5 OCR 模型面向 llama.cpp 的 GGUF 版本，适合想在自己电脑上运行文档 OCR 的人。

Chandra OCR 2

datalab-to · 工具包

读取图片和 PDF 中的文字，返回保留页面布局的 markdown、HTML 或 JSON。能处理手写、表单、表格和数学公式，支持 90 多种语言，适合做文档数字化的人。

Pheonix_Data_Dashboard

Masaaki · 工具包

打开一个由一个 HTML 文件和一个样式表组成的静态仪表盘页面，在浏览器里查看。说明里没有写它显示什么数据，所以适合想看看或复用版式的人。

MOSS-Image depth control LoRA

thedeoxen · 工具包

让灰度深度图来控制 ComfyUI 里用 MOSS-Image-SFT 生成的图像布局，主体和风格仍由你的提示词决定。适合想固定镜头深度的图像创作者。

YOLOv10 Document Layout Analysis

omoured · 工具包

一个 Gradio 应用，用 YOLOv10 模型分析文档的版面，适合想在浏览器或自己电脑上看版面检测效果的人。

LightOnOCR-3 Demo

lightonai · 工具包

读取页面图片，把文字以 Markdown 形式返回，并带有版面定位。这是 LightOnOCR-3 模型的演示，在浏览器里于 ZeroGPU 上运行。

MOSS-Image Layout Editor

ferry309 · 工具包

在浏览器里画出文字框、物体框和角色框的布局，并从中导出 MOSS-Image 提示词。适合手动搭建 MOSS-Image 草稿的人。