2. Linux.do
  3. 飞升在即，开源一个给无机器视觉的模型增加基础视觉能力的CLI工具

飞升在即，开源一个给无机器视觉的模型增加基础视觉能力的CLI工具

故笙 2026-08-11 10:40 1

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：



  • 我的帖子已经打上 开源推广 标签： 是

  • 我的开源项目完整开源，无未开源部分： 是

  • 我的开源项目已链接认可 LINUX DO 社区： 是

  • 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是

  • 以上选择我承诺是永久有效的，接受社区和佬友监督： 是


以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出


开源地址：GitHub链接

项目介绍：GitHub托管页


项目背景


梁先生的ds是真的很便宜啊，可惜没有视觉能力，本项目精选了一些好用的OCR和VLM小模型集成到CLI中实现一键下载和配置，电脑性能好的可以OCR+VLM，性能不太好的可以使用OCR模式，针对于Web场景还有特调，最后会输出带结构化的Json，启用视觉模型的会带一些提炼好的关键信息


功能特点



  • 操作简单，已集成三到四个官方下载点支持断点续传

  • AI操作友好，CLI强命令格式校验

  • 支持 iOS、Linux、Windows

  • 界面简洁

  • 已支持纯OCR识别、VLM通用识别、OCR+VLM降低幻觉率的混合识别


写在最后


本项目经过gpt5.6-sol和deepseek-v4-flash双盲测，效果还行。

欢迎大家提issue或PR

最新回复 (5)
  • Ianxp 08-11 10:43
    1楼

    感谢大佬推荐。mark一下，备用…

  • ppf 08-11 10:44
    2楼

    感谢佬的分享，留作备用了。。。。

  • 太想进步啦 08-11 10:45
    3楼

    感谢佬友分享，已收藏备用。。。。

  • nick_glod 08-11 10:46
    4楼

    感谢佬的作品分析，祝佬起飞快乐，（bushi

  • 昜 08-13 01:50
    5楼

    qwen-mm-plugin不错 今天下载试了下

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐