按标签浏览
# OCR(7)
为 DeepSeek Harness 文本模型赋予视觉能力,支持图像问答、长截图 OCR、UI 重建与 GUI 视觉任务。
为纯文本主模型添加可配置识图模型,自动将聊天图片转为文字,并支持 OCR、图表和截图理解。
通过 macOS Vision 实现完全本地的图像理解,支持 OCR、表格提取和描述,确保图像数据不离开您的 Mac。
dsh-tesseract-ocr 插件允许纯文本模型处理图像附件,通过本地 Tesseract OCR 识别图像内容,仅将文本发送给模型 API,确保隐私安全。
为纯文本 LLM 提供视觉能力,将图片转为结构化 JSON 证据(OCR、布局、语义),支持多引擎按调用选择。
DSH 图片工具集,涵盖通用/手写 OCR、证件识别、多类目标检测、万物识别、姿态估计与实例分割,支持链接、base64 及文件三种输入。
兼顾速度与精度的OCR文字识别插件,支持链接、Base64及文件路径三种图像输入方式,适用于文档、广告牌和屏幕截图等场景。
营业执照OCR识别插件,支持图片链接、Base64或文件路径输入,提取统一社会信用代码、名称、法定代表人、注册资本、成立日期、经营范围、登记机关及住所地址。
基于小笨羊API的图像识别工具集,涵盖通用OCR、手写、车牌、身份证、护照、通行证、银行卡、营业执照及驾驶证等多场景识别。
高精度文字识别OCR增强版插件,支持通过链接、Base64或文件路径输入图像,自动检测并识别文档、广告牌、截图等场景中的文本内容。
对接小笨羊手写OCR接口,支持图片链接、Base64及文件路径三种输入方式,自动检测并识别手写笔记、签名及表单中的文本内容。
为 DeepSeek Harness 提供本地 PaddleOCR 3.x 识别能力,支持 PDF 及常见图片格式,结果以 Markdown 写入 artifacts 目录。