simo

这货从买了，没 2 、3 个月就废了。
后面一直闲置了

多年前就做过各个平台视频的处理，那会讯飞等已经非常非常便宜了。后来都是免费方案，太多了。
你这种只能走工具集合，门槛太低

王者国际服，都是菜鸡，打不过就开小号从头开始

@barantt01 用 inspect 试过了不行，UIA 做不到

@barantt01 千牛客户端
有网页版吗？有的话，搞个插件就 ok 了啊

支持一个
正好最近做了几个 app 上架 store ，只通过了一个了，其他还在拉扯，就冲这上架的难度，1 块钱就超值了。

@moooooooo 标注的话大模型效果不知道效果如何，你之前场景大概是哪种的标注？方便截图+马赛克看下么？
如果是实现方案，用 ocr ，然后大模型总结，可以；视觉模型也可以。我这就是为了省点钱，才定的 yolo + ocr

@Muniesa 对啊，茅塞顿开，我先试试标注的准确度

@afirefish
@street000
这个方案主要是为了省点 token ，用视觉模型来做肯定没问题。我当时想的是，需要知道一条消息（发送人、时间、内容），ocr 的话，识别内容没问题，但是识别出来发送人、时间不一定是一组，担心发送人识别成多个坐标多个内容，时间也是一样的担心。所以用 yolo 先分组，如果一组消息被截断（上下滚动条位置），那就滚动或者有新消息的时候，下一轮也能捕获到（不考虑在一个轮询内海量消息有一部分丢失的问题）。

你们说的纯 ocr 方案也考虑过，但不确定 ocr 识别内容的拆分逻辑在应对不同机器不同账号不同聊天对象是不是一致。

比如图片这个，不知道用户名是识别成 想念你 + 64644133 还是一个完整的，还是想 + 念你 64 + 644133
时间那个也是一样的担心。内容区域的文本更容易出现这个情况