Driver License OCR - 梅斯AI导航站

DocExt

docext Overview &zwnj;docext&zwnj;是一个基于视觉语言模型（VLM）的本地无结构数据提取工具，特别适用于处理各种文档，如发票、护照等。它无需传统的OCR技术，通过深度学习的视觉语言模型，能够准确识别并提取文档图像中的字段数据和表格信息&zwnj;12。技术特点和应用场景 &zwnj;无需OCR&zwnj;：docext利用视觉语言模

KuaiMod

KuaiMod 是快手推出的基于多模态大模型的短视频质量判别框架，能高效识别和过滤有害及低质量内容。框架借鉴普通法（Common Law）体系，基于案例驱动的方式动态更新审核策略，快速适应短视频平台上内容的快速变化。KuaiMod 结合视觉语言模型（VLM）和链式推理（Chain-of-Thought,中 CoT）技术，基于用户反馈进行强化学习，实现精准的内容判别。KuaiMod 离线测试准确率高

Question.AI

Question.AI的简介 Question.AI 是作业帮推出的AI学习助手应用，专为学生、专业人士和好奇者设计。通过简单易用的界面提供即时准确的答案，支持 140 多种语言翻译，打破语言障碍。智能写作功能可优化文本，提升写作质量。提供数学计算器功能，帮助用户解决复杂数学问题。 Question.AI的主要功能拍照解题：用户可以通过拍摄题目照片，系统会快速识别并提供答案。文

AgenticSeek

类似 Manus 但基于 Deepseek R1 Agents 的本地模型。 Manus AI 的本地替代品，它是一个具有语音功能的大语言模型秘书，可以 Coding、访问你的电脑文件、浏览网页，并自动修正错误与反省，最重要的是不会向云端传送任何资料。采用 DeepSeek R1 等推理模型构建，完全在本地硬体上运行，进而保证资料的隐私。 Features： 100% 本机运行:

Dolphin

Dolphin 是字节跳动开源的轻量级、高效的文档解析大模型。基于先解析结构后解析内容的两阶段方法，第一阶段生成文档布局元素序列，第二阶段用元素作为锚点并行解析内容。Dolphin在多种文档解析任务上表现出色，性能超越GPT-4.1、Mistral-OCR等模型。Dolphin 具有322M参数，体积小、速度快，支持多种文档元素解析，包括文本、表格、公式等。Dolphin的代码和预训练模型已公开，

Ming-Lite-Omni

Ming-Lite-Omni是蚂蚁集团开源的统一多模态大模型。模型基于MoE架构，融合文本、图像、音频和视频等多种模态的感知能力，具备强大的理解和生成能力。模型在多个模态基准测试中表现出色，在图像识别、视频理解、语音问答等任务上均取得优异成绩。模型支持全模态输入输出，能实现自然流畅的多模态交互，为用户提供一体化的智能体验。Ming-Lite-Omni具备高度的可扩展性，可广泛用在OCR识别、知识问