ucloud-deepseek-ocr
使用 DeepSeek-OCR 模型进行 OCR 文本识别
共 88 条已上架资产
使用 DeepSeek-OCR 模型进行 OCR 文本识别
此技能提供浏览器自动化功能,支持网页浏览、页面交互和截图捕获
为纯文本模型提供视觉能力、多模态能力
使用Firecrawl API进行网页抓取和爬取,获取Markdown内容、截图、结构化数据、搜索网页及爬取文档
将源文件转换为 Markdown
用于截图表格转Excel、PDF表格提取、图片表格变Excel、扫描表格导出
用“截图 + 坐标网格”的方式操作任意桌面软件:截带网格的图,让任意多模态大模型读出目标的坐标数字,再调用点击/输入/按键等 API ,模拟人类视觉化操作软件
从图片型、扫描型、混合型或原生文本 PDF 中提取可审计的结构化字段,并把字段证据确定性映射回原始 PDF 页码、页标签、bbox、原文和证据截图
面向截图和照片中的文字提取,AI-HIVE助手入口先确认图片范围、语言与需要保留的结构,再使用实际可用的OCR或视觉能力读取,并对专名、数字和表格关系进行核对
基于视觉驱动的桌面自动化,使用 Midscene
对截图、设计稿、Figma 导出图和 PDF 页面进行 UI 逆向工程
发票xml原件下载、真伪查验截图、真伪查验与报销助手,专为财务人员、会计和报销员工设计:下载数电票(全电发票)XML 原件、查验增值税发票真伪、获取查验真伪截图作为报销凭证、用于归档入账
AI 伴学助手 —— 面向 K12 孩子的作业辅导智能体
为纯文本推理模型补充视觉能力
引导上传小于15秒的视频文件或视频链接,仅作时长提示;没有视频时选择穿搭展示、变装视频复刻或热门视频复刻的内置案例,选玩法后仍可自带视频
把 Excel 测试用例表跑成带截图的冒烟报告:自动识别用例、按驱动方式分流(界面走浏览器、接口走 HTTP)、逐条执行留证,最后回写结果表并生成 HTML 报告
把 UI 设计截图批量转换为 Vue 3 Composition API 组件代码的工作流,覆盖页面分组、UI 库映射(Vant / Element Plus / Ant Design Vue)、切图优先级与重复区域抽组件,并提供命令行参数…
把截图里的数学公式转成可编辑表达,并渲染回看,检查分数、根号和上下标有没有识别错
把视频中的实际观点、演示与关键画面提炼成独立可读的图文,维护原片时间码、引语与截图来源
输入域名>爆破子域名>扫描子域名端口>发现扫描web服务>集成报告的全流程全自动扫描器