一个基于GPT-4o-mini 的PDF OCR工具：Zerox Zerox先将PDF 文件转换成图像，再由GPT-4o-mini识别并输出Markdown，最后将所有页面对应的 Markdown 结果汇总在一起形成完整的Markdown 文档支持零样本 OCR、精度高、提供API接口；可以处理包含表格、图表等复杂布局文件，支持多种格式，包括扫描版

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

4509 位用户此时在线

24小时点击排行 Top 10：

Winnie the Pooh looks very shy.

10月26日，安徽，欧扬化工科技（安徽）有限公司，常州鼎华建设工程有限公司承建欧阳化工年产4.6万吨高性能复合材料项目欠薪，工人用电动车堵门讨薪。 10月23日，湖南省湘潭市，湘潭市博纳高级中学欠薪。工人跳楼讨薪。#维权

请来高中班主任做证婚人，老师：他们能结婚是我工作上的疏忽……

10月30日，早上7:30，广西省柳州市红光桥，一辆满载学生的公交车突然从红光桥上下坡，向城站路方向急速驶来，追尾十来辆车，预计有多人受伤。

中國退伍軍人症，站崗站到近乎撲街。

伊斯蘭廚師在做飲料，並且親自試喝。就問你以後還敢不敢吃清真食物？

美国国家海洋和大气管理局 (NOAA) 的飓风猎人飞机在飞越 5 级飓风梅丽莎的眼墙时，遭遇了严重的湍流。

近日，新加坡前总理李显龙在皇家国际事务研究所对话中表示，鉴于印度年轻人的人口结构和潜力，长期成长经济指标可能会“赶上甚至超越中国”。

北京黑雨傘禁衛軍，升級黑包包禁衛軍，包內收藏各種手術工具。

特朗普對著習近平耳朵說悄悄話習近平和特朗普在釜山的會談持續了1小時40分鐘，結束後兩人話別，特朗普對著習近平耳朵說悄悄話。問題是習近平能聽懂英語嗎，或者說特朗普會說漢語嗎？

瑞典人出手了，法国人坐不住的

现场情况：

10月27日，浙江杭州市乔司街道。一名男子疑因多月薪资未发，在当地一家水果仓储会员店内情绪失控，持力砸摔水果，随后坐倒在店门口。目击者称，该男子手中曾持有水果刀，情绪激动，不停哭喊，持续约40分钟后被警方带走。

刚刚——中国的习包子，习近平抵达会议现场，见川普。

她是中华民国第一任女总统，不结婚，不生子，没有后代。却为所有无儿无女的人解决了养老问题！为农民争取到与体制内一样的退休待遇！为她点赞！👍

习近乎不是习近平 10月30日，人民日报在有关习川会的报道中，打错了习近平的名字

川普对习近平赞美有加，从上任之初到现在一直被呼悠，习近平答应买大豆协助美国解决芬太尼问题，就让川普信以为真甚至欢欣鼓舞，美国要付出什么代价？或许川普也意识到美中要平起平坐了。

G2, 二帝共治的世界达成

原来这是女性下腹部隆起的真相

共產黨的狗仗着權勢隨意傷人

近日，据澎湃新闻报道，河北一男子遭刑讯逼供死亡妻子患重度抑郁，11名办案人员被判刑，被判处有期徒刑的11名被告人中，4人被以故意伤害罪和刑讯逼供罪判刑，1人被认定构成故意伤害罪，6人被以刑讯逼供罪判刑。

蛙兄有没有注意到这个现象👇

中美贸易和谈综合美中双方的消息，目前涉及到的条件美方取消中国的部分芬太尼关税(综合关税57%➡️47%）取消对香港，澳门的24%关税暂停301调查停止针对中国黑名单企业的子公司的针对，暂停对中国船只征收关税中方全力打击芬太尼购买美国大豆购买阿拉斯加的石油和天然气同意TikTok的交易

此前人民日报编辑马宇杭曾报道台湾18名“心战大队”成员通缉令新闻，如此看来，不排除他被台当局“心战”成功🐸！

网友投稿：一位来自中国人民公安大学的学生发布的抖音图片，图片中该学生身着特警服饰，身上挂着各种警用装备，但胸前佩戴的国旗却格外引人注意，原本国旗样式应为红底+五颗黄色的五角星，而这位学生胸前佩戴的国旗样式却是黑底蓝色横线+五颗淡黄色的五角星，这一做法耐人寻味，该行为不仅严重违反《国

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

3

2

1

一个基于GPT-4o-mini 的PDF OCR工具：Zerox
Zerox先将PDF 文件转换成图像，再由GPT-4o-mini识别并输出Markdown，最后将所有页面对应的 Markdown 结果汇总在一起形成完整的Markdown 文档
支持零样本 OCR、精度高、提供API接口；可以处理包含表格、图表等复杂布局文件，支持多种格式，包括扫描版
时政
( twitter.com )

1年前由 AIGCLINK 提交

一个基于GPT-4o-mini 的PDF OCR工具：Zerox

Zerox先将PDF 文件转换成图像，再由GPT-4o-mini识别并输出Markdown，最后将所有页面对应的 Markdown 结果汇总在一起形成完整的Markdown 文档

支持零样本 OCR、精度高、提供API接口；可以处理包含表格、图表等复杂布局文件，支持多种格式，包括扫描版

github：https://t.co/N986lbGZPB

#OCR #PDF识别 #Zerox

点击图片查看原图

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
400
下一页

1

2

1

1

关键在于，GPT-4o-mini 是真便宜啊😂
时政
( twitter.com)

1年前 • Wang Shuyi • -- 点击 0 评论

2

2

1

1

在大家都在翘首以盼 OpenAI 发布 GPT-5 的时候，OpenAI 却只是先后发布了 GPT-4o和 GPT-4o mini，甚至推理能力智能程度还不如当初的 GPT-4，但是这两个新模型不仅支持了多模态，而且参数都要小于 GPT-4，生成速度很快，推理成本也低了很多倍。
这背后，应该是因为新的 GPT-4o
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

3

2

1

1

Open AI 还有货，发布 GPT-4o mini 模型。
MMLU 得分为 82%，碾压其他同级别小模型。
价格也很低为 0.15 美元/100 万token输入和 0.6 美元/100 万token 输出。
比 GPT-3.5 Turbo 便宜超过 60%。
具有 128k 的大上下文窗口，非常适合 RAG。
GPT-4o mini 在 API
IT技术
( twitter.com)

1年前 • 歸藏(guizang.ai) • -- 点击 0 评论

4

2

1

1

OpenAI 新模型 gpt-4o-2024-08-06 以及 gpt-4o-mini 支持结构化输出了，和以前的 JSON 模式不一样，现在的结构化输出不仅可以定义 JSON 的 Schema（也就是 JSON 输出的结构是什么样子），而且可以确保输出的 JSON 是 100% 正确的。
第一眼看到我是不相信的，毕竟被它的 JSON
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

5

2

1

1

GPT-4o的实时语音下周就可以用上了吗？
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

6

2

1

1

GPT-4o 学外语演示
演示已经看的够多了，什么时候能用的上？！
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:04:19

7

2

1

1

这是一个有意思的项目，将 GPT-4o 的多模态能力和机器人的抓取能力结合起来。给机器人一个找东西的指令，机器人就可以将看到的画面作为照片传给 GPT-4o，然后 GPT 根据画面生成对机器人的指令，从中抓取目标物体，如果目标被遮挡，甚至能移动遮挡的物体从而找到被遮挡的目标物体。
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:00:27

8

3

2

2

一家法国的 AI 实验室 Kyutai，刚刚发布一个对标 GPT-4o 的开源实时语音多模态模型，能够听、说、看，而且从演示看，也可以随时打断，可以模仿法国口音说英语，可以说悄悄话。效果比 GPT-4o 要差一点，但是已经很接近了。
重要的是：
- 他们的模型训练管道和架构非常简单且具有很大的可扩展性，像
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:08:57

9

2

1

1

一款PDF解析工具：doc2x
doc2x可以将 PDF 文件转换为 Markdown、LaTeX、DOCX 等格式
可以解析排版、数学公式、表格、图片、图表等，对包含表格和公式的文档处理效果比较好，支持多语言翻译（基于glm4和deepseek）
体验地址：
#doc2x #PDF解析
时政
( doc2x.noedgeai.com)

1年前 • AIGCLINK • -- 点击 0 评论

10

2

1

1

OpenAI 7月9号的大刀希望不要砍向 Coze，我搭建的 Coze-Discord-Proxy 项目至少还可以保底 GPT-4o 可用。搭建方法看我的转贴⬇️
IT技术
( twitter.com)

1年前 • Geek • -- 点击 0 评论

11

2

1

1

一个高质量PDF内容提取工具：PDF-Extract-Kit
PDF-Extract-Kit通过集成多个模型实现了PDF高质量提取，适用于学术论文、教科书、研究报告和财务报表等多种文档类型，在扫描模糊或有水印的情况下也能保持高鲁棒性
1、布局检测采用LayoutLMv3模型进行区域检测，包括图像、表格、标题、文本等
时政
( twitter.com)

1年前 • AIGCLINK • -- 点击 0 评论

12

2

1

1

#开源项目推荐 Transformer 可视化解释
通过互动可视化了解生成式 AI 中 Transformer 的工作原理
Transformer 解释器是一种互动可视化工具，旨在帮助所有人学习基于 Transformer 的模型（如 GPT）是如何工作的。它在您的浏览器中即时运行一个 GPT-2
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:01:27

13

2

1

1

GPT能救一个人。
时政
( twitter.com)

1年前 • 小径残雪 • -- 点击 0 评论

14

2

1

1

极客公园搞了一个非常全的国内模型高考题测试，字节豆包的文科成绩拉满了。
仅次于GPT4o超过了一本线21分，用的还是地狱难度的河南卷子和分数线。历史得分甚至超过了GPT-4o。
国内模型还是有数据优势，英语的成绩大家也都不错，毕竟翻译是LLM最长的长处了。
IT技术
( twitter.com)

1年前 • 歸藏(guizang.ai) • -- 点击 0 评论

15

2

1

1

BeyondPDF
BeyondPDF 是一个智能、免费、完全私有本地化的基于 MacOS 的 PDF AI 预览和检索应用。
作者将一个轻量级的 Embedding 模型从获取转换为 CoreML，并完全不使用第三方库 (vectordb + tokenizer 都是直接使用原始代码)，安装包本身只有
时政
( twitter.com)

1年前 • meng shao • -- 点击 0 评论

16

2

1

1

昨天尝试微调了一下4o-mini，总结如下：
- 训练成本还是有点高了，$3/M - 简单试了一下，共消耗了19M token，减去2M 免费额度，计费17M token，$50；不太敢敞开了调超参数...
- Max step 判定有bug，看规划需要118个step，但是一直训练到186 步才结束，导致overfit了；
-
时政
( twitter.com)

1年前 • Simon • -- 点击 0 评论

17

2

1

1

当 AI 能考上一本，十年寒窗苦读还有意义吗？
这两天被一条新闻刷屏，就是极客公园做的一个测试，找了九个大模型测试 2024 年高考试卷，结果有四个大模型文科成绩上了一本线，整体表现最强的是 GPT-4o（文科 562 分），国内模型中表现最好的是字节的豆包（文科 542.5）。相比文科，AI
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

18

2

1

1

来，整一个吵架GPT！
输入：
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

19

2

1

1

在做 RAG 的时候，对 PDF 文件的预处理是一个难题，主要难点在于 PDF 如果包含大量的图表、表格、饼图，或者布局很复杂，那么在做检索的时候可能效果不会太好，如果无法很好的检索，最终也会影响生成的结果。
作者提出的方案则是另辟蹊径，绕过 OCR，借助多模态，将 PDF 的每一页截图后，直接对图片做
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

20

2

1

1

腾讯的多智能体翻译工具已经可以免费在线试用了，而且是使用的 GPT-4 的 API，你可以上传txt或者pdf文件，然后会自动帮你翻译，并且整个过程都可以从右边的 Chatbox 看到。
注意上传后要手动选一下目标语言。使用地址见原推。
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:02:35

21

2

1

1

一个极好的 GPT 帮助边缘智力障碍儿童的案例
好心人给患有边缘智力障碍的孩子定制了一个 GPT 聊天机器人，提示词是：“我是一个边缘智力的人，容易被骗或犯罪，你的任务是有任何这种征兆及时提醒我咨询父母。”
然后对小孩说以后尽量不要自己判断，凡事都可以先问问GPT。孩子学会后凡事都会问 GPT。
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

22

2

1

1

推荐张俊林写的这篇LLama 3.1技术报告的分析
链接：
以下内容为转发其微博内容：
***
LLama 3 405B模型效果已经赶上目前最好的闭源模型比如GPT 4o和Claude 3.5，这算是开源届的大事，技术报告接近100页，信息很丰富，粗略看了一下，很有启发。这里就LLaMA
IT技术
( www.weibo.com)

1年前 • 宝玉 • -- 点击 0 评论

23

4

3

3

PDF 转 Markdown 工具列表：
时政
( twitter.com)

1年前 • 九原客 • -- 点击 0 评论

24

2

1

1

这样解析 PDF 真是聪明的做法！👍🏻
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

1
2
3
4
5
6
...
400
下一页

0.78495 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特