- 综合排序
- 最热优先
- 最新优先
AI处理文字、图片、PPT、音频、视频
下面根据不同创作与工作场景，梳理了一些具有代表性的工具及其特点，供大家参考：类型大模型名称核心特点语音交互豆包语气声音自然好听，语音聊天体验佳，适合日常语音闲聊、语音问答文字处理DeepSeek文字处理能力突出 Suno文字生成歌曲效果好，支持自定义曲风、歌词、 vocals；生成速度快，免费版有次数限制，部分高级音效需付费视频创作百度度加文字转视频效率高，绑定百家号可流量倾斜；内置热搜榜单，适配百度系平台分发 、视频去水印等；部分高级功能按次收费，免费额度有限视频处理Pika Labs文字生成短视频效果流畅，支持多风格视频创作；生成时长较短，高清视频导出需会员1.豆包语气声音自然好听，语音聊天体验佳，适合日常语音闲聊 10.Suno文字生成歌曲效果好，支持自定义曲风、歌词、 vocals；生成速度快，免费版有次数限制，部分高级音效需付费。 11.百度度加文字转视频效率高，绑定百家号可流量倾斜；内置热搜榜单，适配百度系平台分发，适合资讯类内容快速创作。
52810编辑于 2026-01-12- 来自专栏大数据文摘
文字生万物，AI极简史
GPT、BERT 开始利用大规模的无标签的数据对模型进行预训练，在这个阶段，它们或是给定一串词让模型预测下一个词是什么，或是干脆在句子中间挖掉一个词，让模型重新给填上，如此这般，把价格更为低廉的无标签的文字引入了模型的训练 BERT 用了 3300M 的文字来做预训练，这些文字来自书本和维基百科，质量较高，即使对人来说可能要看上几年时间，对机器来讲，仍算克制。 2021 年 OpenAI 发表的 CLIP 模型学会了图片和其文字描述的对应关系，启发了很多后续应用，包括 AI 画画。 Meta AI, AudioGen 不管你信不信，AI 还能根据配乐起舞。或许不久之后，AI 就能给 KPOP 编舞了。 Joe Penna，一个电影导演，为了生成电影需要用到的特定的演员、地点、道具，他和朋友们一起开发了 DreamBooth 的民间版本，它能够做到输入文字，生成关于特定事物（比如你家沙发上的一只玩具小熊
47030编辑于 2023-04-10 - 来自专栏Web前端
AI助手实现故障艺术文字效果
有个需求，需要为网页添加一个具有故障艺术效果的文字展示，以吸引用户的注意力。我决定借助AI的力量来实现这个需求。 以下是最终呈现效果与实际操作中的开发界面(文末附完整代码)：与AI的初次对话：明确需求打开了与AI的对话窗口，向AI描述了需求：“我需要在网页上实现一个故障艺术风格的文字效果，文字显示为‘GLITCH 深入CSS：实现故障效果样式有了基本的HTML结构，接着询问AI如何使用CSS来实现故障艺术的文字效果。 解释说，通过使用text-shadow和animation属性，可以实现文字的闪烁和位移效果，而::before和::after伪元素则可以创建重叠的文字层，进一步增强故障效果。 总结与思考通过与AI的交流和合作，成功地实现了故障艺术风格的文字效果。在这个过程中，深刻体会到了AI在技术开发中的巨大作用。
38010编辑于 2025-05-27 HarmonyOS NEXT AI基础视觉服务-文字识别
案例描述这是一个基于AI基础视觉服务实现的文字识别案例，通过调用设备相机拍摄照片后识别图片中的文字内容。实现步骤：1. 文字识别核心实现// 配置视觉识别参数let visionInfo: textRecognition.VisionInfo = { pixelMap: pixelMap};// 执行文字识别并获取结果 // 按钮点击事件处理 async openCamera() { // 整合上述步骤的完整调用逻辑 } build() { Column() { Button('拍照 文字识别 完整业务逻辑整合各功能模块的完整调用流程总结梳理：核心点相机调用需设备权限与硬件支持图像转换确保兼容不同格式图片文字识别接口返回结构化识别结果完整代码// 原始代码保持完整，仅添加说明注释import if (canIUse('SystemCapability.AI.OCR.TextRecognition')) { // 步骤3：处理图像文件 const fileSource
35800编辑于 2025-03-30- 来自专栏自留地2
PHP+百度AI OCR文字识别实现了图片的文字识别功能
第一步可定要获取百度的三个东西 要到百度AI网站( 然后获得 -const APP_ID = '请填写你的appid'; -const API_KEY = '请填写你的API_KEY'; -const
6.7K30发布于 2021-07-13 - 来自专栏python3
python调用百度AI提取图片文字
python本身也有识别图片转文字的框架，但是相比调用接口，识别的精度就略显不行了； 这是 百度AI 的网站: https://ai.baidu.com/ ; 点击右上角的 控制台 ，申请或者登陆； 进去之后左侧有 【文字识别】： ? 点击【创建应用】，创建接口； 之后会得到创建的三个连接密钥: AppID API Key Secret Key 这三个参数会在后面调用的时候会用到； 同样，在页面也可以找到文字识别的技术文档： https ://ai.baidu.com/docs#/OCR-API/top 里面有调用的例子，基本复制、粘贴，直接调用就能用； 所使用的python包也只需安装 baidu-aip 即可； 我是用 pycharm ； 其实最后可以直接 print(restu1) 但是输出的是 字典、列表，在此我将结果遍历了一下，从图片中识别的文字会一行一行显示，剩下的操作看你咋搞了，存入数据也行，生成表格也行；
7.4K30发布于 2020-01-13 - 来自专栏用户10004205的专栏
Unity 接入百度AI - OCR文字识别
首先登陆百度开发者中心，搜索文字识别服务： 创建一个应用，获取AppID、APIKey、SecretKey秘钥信息： 下载C# SDK，将AipSdk.dll动态库导入Unity： 本文以通用文字识别为例 ，查阅官方文档，以下是通用文字识别的返回数据结构： 在Unity中定义相应的数据结构： using System; ///
/// 通用文字识别 /// [ private const string apiKey = ""; private const string secretKey = ""; ////// 通用文字识别 80040编辑于 2022-08-29 - 来自专栏计算机视觉战队
AI都可以将文字轻松转成图像
我不自觉地为这个新技术点赞，为我们科研人员鼓掌，感谢在AI一线的你们！ ---- Image Generation from Scene Graphs 通过这个题目就能知道今天的主旨。
3.7K30发布于 2018-10-23 - 来自专栏AIGC-AI飞行家
AI绘画创意文字全流程揭秘，你的终极文字艺术实操宝典
本教程收集于：AIGC从入门到精通教程汇总 AIGC技术不断更新迭代，国内出现了越来越多的新玩法，比如最近大家都在热议的AI绘画创意文字。 主流的创意文字玩法主要分为四类：光影文字嵌入文字隐藏文字海报文字每种类型的文字制作流程大致都是这四步制作文字底图选取大模型写关键词(Prompt)ControlNet参数设置核心：文生图+文字底图（ControlNet 下面直奔主题：通用部分实操制作文字底图美图秀秀，PS都可以，我这里使用的是不专业的美图秀秀海报文字、嵌入文字用白底黑字隐藏文字、光影文字用黑底白字打开美图秀秀=》图片美化=》制作壁纸=》选择背景颜色=》 0.65~0.85 之间，想要文字更加突出权重就加大2.5 最终效果3.隐藏文字实操：黑底白字3.1 制作底图（黑底白字）：3.2 选取大模型我这里选择的realisticVision，其他的也可以尝试 AI绘画创意文字资料包：AI绘画创意文字全流程揭秘，你的终极文字艺术实操宝典
1.8K70编辑于 2023-07-19 - 来自专栏计算机视觉战队
AI都可以将文字轻松转成图像
我不自觉地为这个新技术点赞，为我们科研人员鼓掌，感谢在AI一线的你们！ ---- Image Generation from Scene Graphs 通过这个题目就能知道今天的主旨。
1.2K20发布于 2018-07-25 - 来自专栏大大的小数据
腾讯ai人工智能OCR文字识别2020.12.18
2、快速入门https://cloud.tencent.com/document/product/866/17622 3、通过 API 3.0 Explorer 进行在线调用文字识别服务 API 。 utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-3&spm=1001.2101.3001.4242 9、【python】【文字识别 】利用腾讯云调用通用图片文字识别接口，识别图片中的文字 10、直接测试例子 11、安装库pip install tencentcloud-sdk-python，安装pip install jsonpath coding: utf-8 -*- """ Created on Fri Dec 18 15:31:13 2020 @author: Administrator """ #以下代码是将【本地图片】进行文字识别
3.7K30编辑于 2022-09-22 多模态AI崛起：当AI能同时看懂文字、图片和视频
它应该像人一样，能同时处理多种信息——文字、图片、声音、视频，把它们融合在一起理解。这就是多模态AI正在做的事。一、从单科状元到全能学霸此前的AI，大多是"单科状元"。 多模态AI要做的，就是把这些"单科状元"整合成一个"全能学霸"。它既能读文字，又能看图片，还能听声音，更重要的是，它能把所有这些信息融会贯通。举个例子。 二、多模态是怎么实现的技术上，多模态AI的核心是"对齐"——让模型理解，文字里的"猫"和图片里的猫是同一个东西，视频里的跳跃和文字里的"跳"是同一个动作。怎么实现这种对齐？主要有几种思路。 你给它一段文字描述，它能画出对应的图像。你给它一张静态照片，它能想象出照片之前和之后发生了什么，生成一段短视频。但多模态AI也有明显的短板。它对"常识"的理解还很肤浅。 你会发现，AI正在从一个只会聊天的文字脑，变成一个能看、能听、能理解的感知脑。而多模态的崛起，正是这场进化的关键一步。
17910编辑于 2026-03-03- 来自专栏梦无矶测开实录
【AI测试】已落地-python文字图像识别PaddleOCR
python文字图像识别PaddleOCR PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。 - ''' @Time : 2023/6/21 11:29 @Email : Lvan826199@163.com @公众号 : 梦无矶的测试开发之路 @File : python_paddleocr文字识别 150.0], [110.0, 167.0], [11.0, 167.0]], ('查看详细资料√', 0.9277077913284302)] ]] 结果是一个list，每个item包含了「文本框」，「文字 PaddlePaddle/PaddleOCR/blob/release/2.7/doc/doc_ch/whl.md 参数 含义 use_angle_cls bool，设置是否使用方向分类器识别180度旋转文字 「效果展示：」 结果可视化 落地实践 1、基于以上这些简单的demo，目前已经将其落地在公司的自动化项目中，取得的效果也非常显著，相较于之前的图像识别技术，现在有文字识别加持，提高了UI自动化的准确性
3.9K10编辑于 2023-09-08 文字滚筒鸭：精准攻克学术论文 AI 痕迹
文字滚筒鸭多领域应用案例集一、自媒体场景应用案例案例1：头条号爆文量产计划某百万粉丝科技博主采用文字滚筒鸭媒体版，实现：单日批量生成15篇AI初稿（每篇约2000字）通过"创意增强模式"优化后，原创度均值达 92.5%其中《量子计算革命》系列文章阅读量突破300万，平台未触发原创性警告二、企业场景应用案例案例2：生物科技公司技术文档优化某上市生物企业使用文字滚筒鸭企业版处理《基因编辑试剂盒操作手册》时： 自动修正12处专业术语偏差（如"CRISPR-Cas9"系统参数描述）通过"技术文档模式"保持流与文字说明的一致性文档通过FDA技术审查，AI率指标符合国际认证要求三、教育场景应用案例程图案例3：毕业论文查重应急处理某高校研究生在论文盲审前 72小时使用文字滚筒鸭：系统检测出19处AI高风险段落（总字数占比32%）通过"深度改写模式"完成全文重构，查重率从41%降至5.2%最终论文通过高校AI检测系统（阈值15%）并获优秀评级四、技术参数对比五
76211编辑于 2025-05-06- 来自专栏汪宇杰博客
.NET Core使用微软AI认知服务识别文字语言
识别一段文字的语言有多种途径，在这个以AI为热点的时代，我们也可以给自己的应用强行加上AI，然后就能加上“智慧”的名字“自主研发成功”后去吹牛逼。 今天我带大家来看看如何使用微软智慧云Azure提供的AI认知服务来识别一段文字的语言。 本文的前提条件是你得有一个Azure国际版的订阅，免费试用的也行。 认知服务账户 点击"Create a resouce"，然后搜索"Translator"，选择"Translator Text"，这是Azure认知服务的其中一种应用，主要用途是做翻译，但我们也能用来识别文字的语言 使用POST动作向认知服务的终端地址提交一个构造的Body，内容Text为方法的输入参数，即要识别的文字。API的认证方式使用SubscriptionKey。 但日语是alternatives的，所以AI基本断定，该语言为简体中文。
1.3K10发布于 2019-07-08 - 来自专栏PaddlePaddle
【场景文字识别】场景文字识别
场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下，将图像信息转化为文字序列的过程，可认为是一种特别的翻译过程：将图像输入翻译为自然语言输出。 场景图像文字识别技术的发展也促进了一些新型应用的产生，如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 在场景文字识别任务中，我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合，免除人工定义特征，避免字符分割，使用自动学习到的图像特征，完成端到端地无约束字符定位和识别。 本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。 任务如下图所示，给定一张场景图片，STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2.
28.4K70发布于 2018-04-02 - 来自专栏xingoo, 一个梦想做发明家的程序员
我的AI之路 —— OCR文字识别快速体验版
本篇就先讲一下基于开源软件和大厂服务的文字识别效果，后续会陆续讲解一下机器学习和深度学习实现的方案和原理，敬请期待吧。 还记得前一阵某小盆友拿过来一个全是图片的ppt，让我把里面的文字给抠出来(我当时很震惊!!!) ，随后在网上随便找了个OCR的在线文档转换软件，就给转过来了——这里面用到的技术就是OCR文字识别，所以本篇就带大家宏观上了解一下文字识别的技术方案与实现过程。 更多内容参考——我的AI之路 实现方案 1 大厂调包 有需求的地方就有市场，文字识别也不例外，很多大厂都提供了对应的服务，按照调用次数进行收费。比如网上找了一个产品服务的定价 ? 针对生成的结果进行文字的重新编辑和调整。
4.7K23发布于 2018-08-20 鸿蒙 Next 对接 AI API 实现文字对话功能指南
鸿蒙 Next 对接 AI API 实现文字对话功能指南在智能化浪潮下，为用户提供便捷的 AI 文字对话功能，成为众多鸿蒙 Next 应用提升用户体验的关键。 接下来，我们将深入剖析如何在鸿蒙 Next 系统中对接 AI API，打造流畅的文字对话交互。前期搭建环境部署首先，安装 DevEco Studio 这一鸿蒙原生应用开发的核心工具。 检查用户输入的文字能否准确传递给 AI API，AI 回复是否符合预期，多轮对话时上下文信息的传递是否正确，以及应用在长时间对话中的性能表现等。 针对测试中发现的问题，如响应延迟、回复不准确等，及时优化代码与调整配置，确保为用户提供流畅、高效的文字对话服务。 通过以上步骤，开发者能够在鸿蒙 Next 系统中成功对接 AI API，实现强大的文字对话功能，为用户带来智能化的交互体验。
44310编辑于 2025-03-14- 来自专栏GitHubDaily
AI 自动清除、填补漫画文字！
这样巨大的工作量，还是交给 AI 吧，只要一键搞定： ? 满篇的文字都消失了，人类完全没有帮忙。 AI 的名字叫 SickZil-Machine，是一群韩国小伙伴开发的，已经开源。 那么，韩国少年们是怎样孕育出这只 AI 的？ 一步两步 团队说，这是一个完全自动消除漫画文字的 AI；但如果人类需要，也可以手动指定消除某一部分文字。 至于是如何擦掉文字，AI 由两个机器学习模型组成： ? 这里的成对数据，就是漫画原图，加上文字部分的 mask。 只用了 285 对数据。 抠出文字之后，就该填补背景的 ComplNet 上场了。 团队用了 31,497 张图来训练，其中 11,464 张是有文字的。 最终，成果斐然： ? 不过，也不一定要全靠 AI，人类可以手动选择要 (或不要) 消除的部分。
9.3K20发布于 2019-08-26 - 来自专栏小白程序猿
百度AI接口开发文字转语音功能
今天做了一个功能，开始一个文字转语音的功能，主要应用于网站文章阅读。使用了百度AI的语音合成接口。下面详细的来说一下； 一、准备工作 前往百度AI官网注册账户或直接登录。
1.7K20发布于 2020-04-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号