古籍汉字变化多端，OCR文字识别至今仍是世界性难题。最近几天，编了几个python代码，调用API测试了豆包Doubao-1.5-vision-pro-32k、百度OCR及Paddle OCR、Google Cloud Vision、阿里Qwen2-VL-72B等几个AI模型，实现PDF和图片的批量处理，感觉有进步，但仍有较大的改进空间。这种领域太小众，难度太大，商业价值又不高，所以训练参数明显不足。
发布于 中国澳门
半省堂_海交史