TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南

百度 10 月 27 日宣布開源文件辨識模型 Unlimited OCR 2,以 SR-SWA 稀疏注意力把每步解碼的工作參照固定住,前代的 40 頁輸入上限改寫為可調的部署參數,並同步發布百頁級評測集 MarathonDocBench。本文核對模型卡、技術報告與榜單,整理 MIT 授權分層、單頁場景分流與繁中驗收要點。

OpenBMB 於 10 月 27 日開源 MiniCPM-OCR 1.0 與 MiniCPM-OCR Jev 兩個模型:前者 1.3B 參數負責中英文文件與 PDF 的文字、表格、公式辨識,後者 2B 參數對照原始影像與辨識結果,對每個區域給出零到一的品質分數,把「哪些結果要人工複核」變成可排序的工程問題。本文核對 GitHub、Hugging Face 與官方模型文件,整理 AUROC 0.936 的正確讀法、部署條件與 Apache 2.0 授權邊界。

默讀 Modu Reader 拿 Anx Reader 的閱讀底座與 ReadAny 的 AI 能力縫成一個 GPL 衍生閱讀器:掃描書可本地 OCR 後劃詞作筆記,嵌入模型釘 SHA-256 按需下載,AI 金鑰自帶、不填也能完整閱讀。實測 macOS 版安裝包指紋全等但 Gatekeeper 直接拒絕,iOS 未簽名、鴻蒙未實機驗證,六個平台的安裝門檻幾乎都留給使用者自己扛。

OnnxOCR 把 PaddleOCR 的 PP-OCRv5 模型轉成 ONNX 並直接附在原始碼裡,clone 下來就能離線跑通整份文件,一行指令把它起成 HTTP 服務。本機實測一張文件 0.5 秒完成,繁中在辨識端可用、偵測端卻對字體敏感;服務要開到內網以外之前,鑑權與安全設定得自己補。

toexcel.zhiyakeji.com 免費把表格截圖轉成可編輯 Excel,實測繁中採購表 22 格全對、免註冊沒遇到次數限制;圖片會先上傳到阿里雲杭州再由伺服器辨識,隱私政策只掛在 App Store 深處且與不收集標籤互相矛盾,一般表格可用、報價單與個資表建議自己留著。

ImageToolbox 是 Android 上的開源圖片工具箱,去背、文字辨識與濾鏡都在手機離線執行。FOSS 版與 Google Play 版的引擎和遙測差異、聯絡人權限對應的功能、131 個 AI 模型的來源,以及 F-Droid、GitHub 與 Obtainium 三條安裝路線的選擇,這篇一次整理。

Zerox OCR 用視覺模型把 PDF 與 Office 文件轉成 Markdown,MIT 開源、模型自選、支援結構化欄位抽取。實測本機拆頁管線完整可用,但母公司已轉型金融 AI、主分支停更逾一年,採用前需要鎖版本、fork 自養並避開外部網址輸入。

PixPin 是一款免費截圖貼圖工具,Windows 與 macOS 都有,截圖、貼圖、長截圖、文字辨識與螢幕錄製收在同一套軟體裡,免費版無廣告也免註冊。文字辨識在本機模型上跑、截圖內容預設不上傳;翻譯與表格辨識等會員功能經雲端處理,終身買斷 198 元人民幣,付款只收支付寶與微信支付。

RapidOCR 是把 PaddleOCR 模型轉成通用格式的開源離線 OCR,本篇在 Mac 實際安裝 3.9.2 對照測試:預設模型能把總統府截圖的繁體中文逐行讀對,照舊教學切換繁中專用模型反而出現「合灣」這類錯字;離線、零遙測與模型下載來源一併交代。

InvoiceFlowAI 是開源的報帳整理工具,把 QQ 與 163 信箱裡的中國電子發票自動下載、辨識、歸檔,產出 Excel 報帳彙總表。信箱支援範圍、資料外送邊界與 AI 費用,這篇逐一拆開。