# 图像识别 #
0
关注
1220内容
MoneyPrinterTurbo：23.9K Star！这个AI把写文案+找素材+剪视频全包了，日更10条不是梦
MoneyPrinterTurbo 是一款功能强大的 AI 工具，支持通过主题或关键词自动生成视频文案、素材、字幕与背景音乐，并合成高清短视频，适合批量生成与多语言支持。
SmolDocling：256M多模态小模型秒转文档！开源OCR效率提升10倍
SmolDocling 是一款轻量级的多模态文档处理模型，能够将图像文档高效转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、技术报告等多类型文档。
|
JavaScript在科技领域的应用
在当今科技发展的时代，JavaScript（简称JS）已经成为了一门广泛应用的编程语言。它具有跨平台、灵活性强、易于学习等特点，被广泛应用于网页开发、移动应用、物联网和人工智能等领域。本文将深入探索JavaScript在科技领域的各个应用场景。
App Inventor 2 Personal Image Classifier (PIC) 拓展：自行训练AI图像识别模型，开发图像识别分类App
这里仅仅介绍一下AI图像识别App的实现原理，AI的基础技术细节不在本文讨论范围。通过拓展即可开发出一款完全自行训练AI模型，用于特定识别场景的App了。
Vript：最为详细的视频文本数据集，每个视频片段平均超过140词标注 ｜ 多模态大模型，文生视频
[Vript](https://github.com/mutonix/Vript) 是一个大规模的细粒度视频文本数据集，包含12K个高分辨率视频和400k+片段，以视频脚本形式进行密集注释，每个场景平均有145个单词的标题。除了视觉信息，还转录了画外音，提供额外背景。新发布的Vript-Bench基准包括三个挑战性任务：Vript-CAP（详细视频描述）、Vript-RR（视频推理）和Vript-ERO（事件时序推理），旨在推动视频理解的发展。
MMAudio：开源 AI 音频合成项目，根据视频或文本生成同步的音频
MMAudio 是一个基于多模态联合训练的高质量 AI 音频合成项目，能够根据视频内容或文本描述生成同步的音频。该项目适用于影视制作、游戏开发、虚拟现实等多种场景，提升用户体验。
Maya：基于 LLaVA 开发的多模态小模型，能理解和处理八种语言，适用于低资源环境
Maya 是一个开源的多语言多模态模型，能够处理和理解八种不同语言，包括中文、法语、西班牙语、俄语、印地语、日语、阿拉伯语和英语。该模型基于LLaVA框架，通过指令微调和多语言数据集的预训练，提升了在视觉-语言任务中的表现，特别适用于低资源语言的内容生成和跨文化理解。
免费试用