一款基于 Gemma 3 12B 的开源 OCR 软件。借助这个轻量化的多模态模型，开发像翻译、图像识别、答题这类以往需要复杂核心技术的应用变得前所未有的简单和高效。大家有没有其他有趣的创意呢？
下载地址：https://github.com/patchy631/ai-engineering-hub/tree/main/gemma3-ocr
相关文章
AI 产品工具
2026年5月12日
0 条评论
零重力瓦力
如果你还没用过 OpenClaw，2026.5.2 版是一个好起点
OpenClaw 2026.5.2 稳定版发布，核心策略转向“做减法”。xAI Grok 4.3 成为默认模型，赋予智能体实时信息获取能力。架构上，插件与诊断模块外移，实现按需安装，显著降低体积并提升维护效率。Gateway 热路径性能优化修复了 268 个 Bug，大幅改善启动速度与运行稳定性。新增 SDK tools.invoke RPC 接口，打通外部系统调用通道，标志着框架从个人助手向基础设施演进。
#OpenClaw#Grok
阅读全文
AI 产品工具
2026年5月9日
0 条评论
小创
文字转 CAD AI 完整指南
文本转 CAD AI 正重塑工程设计方式：用户通过自然语言描述即可在 60 秒内生成可编辑的三维模型。主流工具如 Zoo 、 AdamCAD 等已实现商业化应用， 2026 年进入生产可用阶段。文章强调输入质量决定输出质量，提供了从设计描述到模型生成的完整工作流，并指出 CAD 工具的价值门槛正从“会操作”转向“会描述”，提示词能力成为工程师的核心竞争力。
#3D 生成
阅读全文
AI 产品工具
2026年5月7日
0 条评论
零重力瓦力
NVIDIA 开源 Nemotron 3 Nano Omni：一个模型通吃视频音频文字
NVIDIA 开源 Nemotron 3 Nano Omni，以 30B 总参数、3B 激活的混合专家架构，实现视频、音频与文字的统一处理。该模型通过 Mamba 与 Transformer 结合及高效视频采样技术，将多模态推理吞吐量提升最高 9 倍，显著降低延迟与显存占用。相比传统三模型拼接方案，它更适合构建高并发 AI Agent，支持本地消费级显卡运行，已在文档智能、客服等场景验证实际价值。
#开源模型
阅读全文
互动讨论
评论区
围绕《一款基于 Gemma 3 的开源 OCR 软件》展开交流，未登录用户可浏览评论，登录后可参与讨论。
评论数
0
登录后参与评论
支持发表观点与回复一级评论，互动后将同步到消息中心。
暂无评论，欢迎成为第一个参与讨论的人。