开箱即用的 OCR 工具，支持 80 多种语言和拉丁、中文、阿拉伯、天城文、西里尔等主流文字，几行 Python 代码就能把图片里的文字提取出来。
超轻量级中文 OCR 工具，总模型仅 4.7M，支持竖排文字识别，可在 ncnn、MNN、TNN 等推理后端运行，适合端侧和低资源场景部署。
面向视觉 AI 的数据集管理与模型分析工具，能可视化浏览数据、清洗标注、发现质量问题，并支持主动学习来迭代提升模型。
用 Stable Diffusion 做音频驱动唇形同步，让视频或虚拟人像的口型与语音对齐，适合做数字人和视频配音。
面向手机等消费级设备的 LLM 推理引擎，用 2bit 量化和手写内核把大模型塞进端侧运行，主打低显存、跨 Android/iOS 的 ARM 部署。
跨平台剪贴板管理工具，支持 Windows、macOS 和 Linux，帮你保存和检索复制过的历史内容，告别反复复制粘贴。
基于 Whisper 的多语言语音识别工具，能输出词级时间戳和置信度，方便做字幕对齐和逐词定位。
RoMa 是 CVPR 2024 提出的鲁棒稠密特征匹配器，能为几乎任意图像对估计像素级稠密形变和可靠的匹配置信度，用于 3D 重建等任务。
用置信度感知的姿态引导，从单张参考图生成高质量人体动作视频，解决动作视频生成中姿态不准、画面抖动的问题。
实时识别网站使用的反爬系统、验证码和浏览器指纹技术，能判断 Cloudflare、Akamai、DataDome、reCAPTCHA 等并给出置信度，帮爬虫开发者快速摸清目标站点的防护底细。
把任意 LLM 改造成 Jev 风格决策模型，输出带类型的决策和真实概率，无需训练即可使用，适合需要可靠置信度的决策场景。
一次前向推理即可对屏幕、图片、视频和文本的带类型问题给出校准置信度答案的多模态决策模型，适合做 GUI Agent 的快速判断层。
用 LLM 做 GitHub 代码审查的 CLI 工具，只报高置信度的安全漏洞、Bug 和可维护性问题，减少噪音干扰。
…5 东斯拉夫语」模型，支持俄语、白俄罗斯语、乌克兰语和英语识别。 新增：开发者选项支持隐藏 OCR 置信度不足或未识别到有效文字时的红色提示。 新增：[Issue 31](https://github.com/ciddwd/overlay-translator/issues/31) 提出的阿拉伯语界面翻译，感谢 [Maxaseel](ht
… type='systemone api' ，通过现有模型接口支持文本单选决策模型，并保留选项概率、置信度和请求信息。 - 数学评分：统一使用固定版本 Math-Verify 进行答案提取、解析与等价判断，覆盖 29 个基准，保留各基准的容差、部分得分及多答案规则。 - 基准加载：适配器改为按需加载，减少 CLI 和库导入时加载整个基准目
…道 ：可填写兼容 TypeSafe 的 Endpoint 和 Jev-liked 模型 - 预设预览置信度 ：预览自动选择结果时显示匹配置信度 - 供应商配置文档地址 ：从 Notion 迁移到自建文档站点 问题修复 - 常驻通知跳转 ：修复点击保活通知进入识别历史等页面时，首页停在错误页面的问题 - 小狐狸输入法联动 ：兼容输入法在识别
…合文档中的扫描表格，无法恢复时明确报错；不再遗漏整页后显示成功。 - OCR 表格保留小数、符号和高置信度原值，避免用推测算式改错数字；PDF 密码完整保留首尾空格。 - 转换过程中切换语言保留进度；预览窗口约束键盘焦点，关闭后恢复焦点。 - 转换显示真实已耗时与当前阶段进度，完成/失败后冻结，保存时间不计入。未知总量显示静止条与无法估算
…构建器，覆盖译文、原文、字体、方向、对齐、字号、角度、行距、字距、描边宽度、文字/描边颜色、OCR 置信度、是否含富文本、行数、区域序号等全部区域字段；运算符随字段类型变化（文本支持包含/相等/正则，数值支持大小比较与区间，颜色支持按容差近似匹配），并可选“全部满足”或“任一满足”。条件留空表示范围内所有区域都命中。 - 批量动作分三块，
…轮检索网页/知识库并返回带引用发现）+ fact-verifier （对抗式核验关键论断、标注冲突与置信度），研究方法论沉淀为内置 Skill deep-research 。 - 子智能体升级为 Agent-backed 形态 ：子智能体即 agents.is subagent=true ，通过 task 工具启动真实子 Agent gr