vision-bench
使用视觉大语言模型作为评判者对图像进行评分和比较
共 19 条已上架资产
使用视觉大语言模型作为评判者对图像进行评分和比较
支持双引擎的PDF OCR识别技能,可从影印版PDF文件和图片文件中提取文字内容
本技能应在用户需要 OCR、扫描识别、图片文字识别、文档识别,或将 PDF、图片、Office 文档、URL 转换为 Markdown 时使用
高精度光学字符识别(OCR)服务
面向法律 PDF 与扫描件的 PaddleOCR 结构化解析技能
视频截图提取与证据线索精筛工具
诉讼信息中枢系统
当需要整理法律 PDF 时使用:检测文字层,生成页面索引、整理草稿和下游交接文件,按内容拆分、合并或直接重命名 OCR 后双层扫描件并规范命名;可做旋转与倾斜校正,不做 OCR 或压缩
适用于在 macOS 本机或 RDP 场景下进行屏幕抓取、识别中文界面文字及坐标、根据文字定位并点击界面元素,特别适合远程桌面窗口、行情软件、自选列表、按钮和输入框的定位以及截图取字操作
Process, convert, OCR, extract, redact, sign, and fill documents using the Nutrient DWS API
A curated collection of practical Claude Skills for real-world office tasks
从扫描件、图像和扫描版 PDF 中提取文本和结构
---
skill aotenjou/silicon-paddleocr/silicon-paddle-ocr
使用 Surya 进行 GPU 优化的 OCR
使用 Mistral OCR API 从 PDF(包括扫描版 PDF)中提取文本、表格和图像
在需要使用阿里云 Model Studio 的 Qwen OCR 模型(`qwen-vl-ocr`、`qwen-vl-ocr-latest` 及快照版本)进行 OCR 专项提取时使用,包括
Catalyst Zia 服务与 QuickML —— OCR、人脸分析、文本分析、目标检测、条码读取、内容审核以及 AutoML 预测
照片拍摄地点定位(看图找地点 / 网络迷踪 / 图寻 / 推拍摄时间)