分类导航
发现更多优质 AI 工具
海螺视频
海螺 AI 使用指南一、平台概览MiniMax（稀宇科技）自研国产 AI 短视频生成平台核心模型：基于 Hailuo 2.3 视频模型主打功能：文生视频 (T2V) / 图生视频 (I2V)核心优势：人物动作与面部表情流畅度极佳，支持 15 种专业运镜访问方式：网页端 + APP 端，国内直连稳定官方网址：https://hailuoai.com定价页面：https://hailuoai.com/video/price定位：面向短视频创作者、营销推广、教育人群，提供零门槛 AI 成片服务。二、核心功能解析1. 🎬 文生视频 (Text-to-Video)时长：生成 6–10 秒 24fps 短视频运镜支持：提供 15 种专业运镜（推、拉、摇、航拍等）画风选择：支持电影、写实、水墨、CG 等数十种风格提示词限制：单段提示词上限 2000 字符2. 🖼️ 图生视频 (Image-to-Video)驱动方式：上传图片驱动画面动态化主体参考：支持锁定人物五官，防止形象崩坏首尾固定：可首尾图固定生成过渡片段3. ✂️ 配套成片工具脚本生成：AI 自动分镜脚本配音系统：30+ 种 AI 音色可选字幕处理：一键生成字幕素材库：百万版权 BGM/素材库画幅支持：9:16 / 16:9 / 1:1 多画幅适配4. 🤖 Media Agent 智能剪辑自动拼接：多段素材自动拼接后期处理：自动转场、调色一站式出片：完成完整短视频5. 📡 API 商用接口适用对象：企业批量生成对接能力：系统深度对接权限解锁：Pro 会员及以上开放三、适用人群画像人群分类典型应用场景自媒体/博主抖音、小红书、B 站素材快速产出市场/电商运营产品短片、宣传广告、种草素材制作教育/讲师科普动画、课程演示、知识可视化短片设计师/影视分镜预演、概念短片创作中小企业内部培训、活动宣传物料制作⚠️ 不适用场景：超长视频（>10 秒）、高精度影视工业级成片需求。四、免费与付费方案 (贝壳积分体系)🆓 免费版（无需充值）初始积分：新用户一次性赠送 200 贝壳日常补给：每日登录发放免费积分生成限额：每日可生成 3–5 条短视频限制说明：视频分辨率最高 720P视频带有平台水印生成内容不可商用进入普通生成队列（速度较慢）积分有效期 3 天，过期不存无 API 接口调用权限💎 付费套餐（人民币定价）1. 充值贝壳（按需充值，长期有效）500 贝壳：¥351000 贝壳：¥705000 贝壳：¥3502. 月度会员基础会员价格：¥68/月权益：500 贝壳、去水印、720P、普通队列标准会员价格：¥248/月权益：2000 贝壳、1080P、优先生成、基础 API尊享会员价格：¥1399/月权益：高额度贝壳、极速队列、企业 API、专属客服3. 年费优惠规则基础年卡：¥649标准年卡：享 85 折优惠特别说明：当月未用完的贝壳不结转至次月五、极简使用流程登录注册：打开官网 https://hailuoai.com，使用手机号验证码登录。选择模式：首页点击「AI 创作」，选择文生视频或图生视频。设置参数：输入提示词（文字描述）或上传参考图设置时长、画幅、运镜、画风生成视频：点击生成（消耗贝壳），等待 10–60 秒出片。后期处理：预览、添加配音、字幕、背景音乐。下载保存：完成后下载至本地。六、重要注意事项与避坑指南1. 积分与退款规则扣费机制：仅当正常成片时扣积分；生成失败、审核拦截会自动退回贝壳。退款政策：充值贝壳、会员一经到账，无质量问题不予退款。2. 版权与商用授权免费视频：带平台水印，禁止商业投放。付费视频：仅付费去水印版本拥有商用授权。3. 内容审核红线严禁生成：暴力、色情、侵权、政治敏感内容。违规后果：直接封号，且不予退款。4. 制作限制时长上限：单段视频最高 10 秒。长内容需分段生成后自行拼接。人物一致性：纯文生视频多人易面部崩坏；建议固定角色优先使用「图生视频 + 主体参考」。5. 存储与网络网络访问：国内访问稳定，但高清视频下载较耗流量。云端存储：云端不永久存储成片，建议生成后立刻下载。6. 会员权益细节有效期：月度会员贝壳当月清零，无法累积。充值建议：长期高频使用建议直接充值贝壳包，性价比更高。API 权限：仅标准/尊享会员开放 API 调用，免费及基础会员无此权限。7. 提示词技巧建议同时写入：画面细节 + 运镜 + 画风 + 分辨率。优化提示词可大幅提升成片效果。
TRIPO
Tripo3D 实用指南一、平台概况Tripo AI 是一款海外领先的 AI 3D 生成平台。其核心自研模型为 TripoSF 3.1，具备强大的 文生 3D 与 图生 3D 能力。生成效率：10 秒左右即可产出带标准拓扑、PBR 材质、自动 UV 的游戏级模型。产品线划分：Tripo Studio（网页端）：面向可视化创作。Tripo OpenAPI（开发者端）：面向批量调用。注意：二者积分体系不互通。导出支持：支持 GLB、FBX、OBJ、USDZ、STL 等多种格式，完美适配 Unity、Unreal、Blender、3D 打印及 AR 开发。二、核心功能亮点双模式生成文生 3D：直接输入提示词，快速生成道具、角色或场景。图生 3D：支持单图或多视图上传转 3D，兼容透明底原画。材质与拓扑优化提供标准版与超清 4K 两种 PBR 纹理选项。支持自动轻量化拓扑，可自定义三角面上限。AI 后期编辑（需付费解锁）一键智能分割模型。局部纹理重绘。自动骨骼绑定与动作生成。工作流与导出多格式模型导出。支持引擎插件调用。提供 API 批量生产接口。实时预览工具支持四视角实时查看。可切换白膜/材质模式。支持模型尺寸缩放查看。三、适用人群分析✅ 推荐使用独立游戏美术及小型工作室（用于快速制作角色、道具资产）。3D 打印爱好者及手办创作者（利用 STL/obj 导出）。AR/VR 产品设计、虚拟主播建模需求者。短视频/动画创作者（用于原画转 3D 的轻量化需求）。开发者（调用 OpenAPI 搭建自有的 AI 3D 生成工具）。❌ 不推荐使用高精度影视资产制作（细节程度弱于传统专业建模软件）。国内无稳定网络环境的用户（加载慢、上传易失败）。完全零预算且要求商用的项目（免费版禁止商用）。四、免费与付费提示：网页端订阅与 API 定价是两套独立的计费体系。 网页端：积分按月重置。 API 端：开发者独立计费，积分单独充值。1）网页端 Tripo Studio网页端订阅页面：https://www.tripo3d.ai/zh/pricing💡 免费版 (Basic)费用：免费 ($0/月)，无需绑定信用卡。积分：每月赠送 300 积分（单并发任务）。功能限制：仅支持单图生成或基础文生 3D。禁止商用，生成模型需遵循 CC BY 4.0 开源协议。无自动绑骨、无超清纹理、无多视图生成。导出格式受限，历史作品仅保存 1 天。🚀 Professional (专业版)费用：月付 $19.9 / 年付 $11.94/月（享 8 折优惠）。积分：每月 3000 积分。并发：支持 10 个并发任务。权益：私有模型、完整商用授权、解锁绑骨功能、超清纹理。📊 Advanced (进阶版)费用：月付 $49.9 / 年付 $29.94/月。积分：每月 8000 积分。并发：支持 15 个并发任务。权益：提供 30 天历史记录保存。🏢 Premium (团队版)费用：月付 $139.9 / 年付 $83.94/月。积分：每月 25000 积分。并发：支持 20 个并发任务。权益：永久保存历史记录。2）Tripo OpenAPI（开发者）定价页面：https://platform.tripo3d.ai新手福利：注册即送 2000 免费积分。充值汇率：$1.00 = 100 积分。扣费标准参考：文生草稿：20 积分。文生精修：30 积分。图生模式：同价。绑骨/高清贴图：额外扣除积分。队列限制：草稿队列 10 个，精修队列 5 个。多视图生成：消耗积分较高。五、网页端使用步骤注册登录：访问官网，点击右上角“开始使用”，通过邮箱注册并验证登录。进入工作台：在 3D 工作界面中，选择生成模式（单张图片 / 文本）。注：多视图生成功能仅在付费版本中可用。输入素材：上传图片：建议 PNG/JPG 格式，大小 ≤5MB，纯色或透明底最佳。填写提示词：包含主体描述、材质要求、风格定位及 PBR 关键词。参数设置：选择模型版本（TripoSF 3.1）。纹理选择（标准 / 超清）。开启 PBR 材质。限制三角面数上限。生成预览：点击生成按钮，等待 10–60 秒，完成实时预览。编辑与导出：付费用户可进行重绘、分割、自动绑骨等编辑。导出为 GLB、FBX 等格式，或直接集成至引擎。六、避坑指南与注意事项⚠️ 网络稳定性服务器在海外，国内直连存在加载慢、上传失败风险。生成任务可能因网络波动导致队列超时，建议优化网络环境。⚠️ 积分体系隔离网页端（Studio）与 API 端的积分完全不互通，切勿混淆消费。充值不通用，需按需分别购买。⚠️ 商用许可红线免费版禁止商用，仅限个人练习。商用必须订阅 Pro 及以上版本，违规可能导致账号被封或作品下架。⚠️ 图片素材要求原图需正面完整，透明背景或纯色背景效果最佳。侧脸、遮挡过多的图片会导致模型背部畸形。多视图生成功能仅限付费解锁。⚠️ 积分重置机制网页端积分每月清零，不累计。生成失败或重试依然消耗积分。⚠️ 功能阉割说明免费版无自动绑骨、无多视角、无私有模型。导出格式受限，历史记录仅保留 1 天，过期即删。⚠️ 支付方式限制付费仅支持境外信用卡。无微信/支付宝支持，国内用户充值较繁琐。⚠️ 模型精度局限人体手指、复杂机械结构等部位容易出现穿模。不适合电影级高精度资产，建议生成后导入 Blender 进行二次修复。⚠️ API 并发限制免费 API 队列极少，批量生成极易排队或失败。商用批量生产建议充值积分。⚠️ 资产备份习惯云端模型有存储时限，重要资产务必导出至本地保存。避免订阅过期导致历史记录丢失无法找回。
Together AI
Together.ai 使用指南一、平台概览官方网站：https://www.together.ai 官方文档：https://docs.together.ai API 网关：https://api.together.xyz/v1平台定位Together.ai 是一个开源大模型云推理 API 平台。主打方向：Llama3、Mistral、Qwen、DeepSeek 等 200+ 开源模型 高速推理。核心优势：兼容 OpenAI 调用协议（openai-compatible）。免自建 GPU 成本。支持推理 / 微调 / 批量任务 / 专属部署。推理速度优于普通云厂商，单价更低。二、核心功能1. Serverless 对话推理支持能力：文本对话、Function Calling、JSON 模式、流式输出、Embedding 向量。灵活性：一键切换百种开源模型。2. 批量异步推理场景：大批量文本离线处理。优势：价格比实时推理低 50%，支持 30B Token 单任务。3. LoRA 全量微调支持模型：Llama / Mistral / Qwen 等。计费：按训练 Token 计费，轻量化微调。4. 专属部署 (Dedicated Endpoints)特性：独享 GPU、低延迟 SLA、隔离环境。适用：适合生产商用场景。5. GPU 裸机集群配置：H100 / A100 按需租用。用途：模型预训练、大规模实验。6. 在线 Playground 调试工具：网页端快速测试模型参数。产出：直接生成 curl / Python 调用代码。三、适用人群✅ 适合使用开发者 / AI 创业者：需要低成本替代 OpenAI，追求私有化可控的开源模型。RAG / Agent / 代码生成项目：需要稳定的推理 API 接口。算法研究员：快速测试多开源模型、进行小规模微调实验。中小团队：不想运维 GPU，需要按量付费的弹性算力。❌ 不适合使用纯普通用户：无代码能力，无独立对话客户端（需自行配置 OpenWebUI 等）。国内合规商用：无国内节点，无法备案，网络不稳定。极低延迟强实时 C 端产品：免费/按量账户限流严重，延迟不可控。四、免费 & 付费定价1. 免费政策注册福利：新用户注册赠送 $5 免费额度。使用方式：无需绑卡，可用于推理、微调。限制：额度用完需充值才能继续调用，无永久免费 Token 池。2. 付费模式采用预存点数 (Credits) 模式，点数无有效期。服务类型计费标准 / 特点Serverless 推理按输入/输出百万 Token 计价小模型$0.05 ~ $0.2 / M tokens大模型$0.8 ~ $2.5 / M tokens批量推理实时推理价格的 50%（5 折）微调训练 Token 单独计费专属 GPU/裸机按小时包机，需联系销售议价💰 充值说明：最低 $5 起充，仅支持境外信用卡，无微信/支付宝。 🔗 官方定价页面：https://www.together.ai/pricing五、快速使用步骤注册账号：官网邮箱注册，无需海外手机号。获取密钥：控制台进入 API Keys，生成密钥并保存（建议多生成几个）。代码调用：仅修改 OpenAI 的 base_url 即可兼容，代码示例如下：pythonfrom together import Together client = Together(api_key="你的 API_KEY") resp = client.chat.completions.create( model="meta-llama/Llama-3.3-8B-Instruct-Turbo", messages=[ {"role": "system", "content": "你是一位简洁的助手"}, {"role": "user", "content": "介绍 toher.ai"} ] ) print(resp.choices[0].message.content) from together import Together client = Together(api_key="你的 API_KEY") resp = client.chat.completions.create( model="meta-llama/Llama-3.3-8B-Instruct-Turbo", messages=[ {"role": "system", "content": "你是一位简洁的助手"}, {"role": "user", "content": "介绍 toher.ai"} ] ) print(resp.choices[0].message.content) 调试测试：使用网页 Playground 调试参数，复制生成的 curl 或 Python 代码。生产升级：高并发场景建议升级专属 Endpoint (Dedicated Endpoints) 以解除限流。六、避坑指南⚠️ 网络环境风险国内网络：海外服务器，直连经常超时。合规性：无国内节点，无法备案，商用需注意合规风险。⚠️ 限流与额度免费账户：RPM 速率极低，免费/小额充值账户调用循环极易报 429。断服务机制：预存模式，余额归零 API 立刻封禁，无欠费缓冲。生产监控：生产环境务必自行监控用量，避免余额归零。⚠️ 成本与隐藏费用上下文与输出：超大上下文、频繁长输出会快速消耗点数。模型差异：批量任务存储、大模型单价远高于小模型，需仔细计算 Token 成本。⚠️ 账号风控IP 管理：大陆 IP 频繁切换、共享 Key 易封号。密钥管理：不要共用 API 密钥，建议设置 IP 白名单。⚠️ 版权与支付模型版权：Llama 系列需自行获取 Meta 许可，商用需合规授权，平台不提供版权担保。支付渠道：仅支持境外信用卡，充值、退款流程繁琐，无本土化支付渠道。⚠️ 客户端限制工具依赖：仅 API+ 简易 Playground，普通用户无法直接对话，必须搭配 OpenWebUI/OneAPI 等工具。
Runpod
RunPod 使用指南一、平台介绍RunPod 是海外专为 AI 场景设计的 GPU 云平台，核心优势在于按需租用显卡容器，支持秒级启动 Docker 环境。核心产品线：Community Cloud：社区云，主打低价抢占式资源，存在回收风险。Secure Cloud：安全云，独享稳定实例，适合长时训练，价格稍高。Serverless：无服务器推理，自动弹性扩缩容，按请求计费。资源覆盖：支持 30+ 种显卡型号，全球 30+ 个部署区域。对标竞品：主要对标 AWS/GCP GPU 实例，但价格通常更低。核心场景：专为大模型（LLM）训练、微调、推理、Stable Diffusion AI 绘图等设计。计费亮点：按秒计费，无出站流量费，不用不扣费。二、主要功能1. Pods 长时 GPU 容器环境预装：提供 PyTorch / TensorFlow / LLaMA / SD 等一键模板。连接方式：支持 Jupyter Notebook、SSH 远程连接、端口映射。存储持久化：支持挂载持久化存储（卷），数据不丢失。实例选择：可切换社区机（低价）与独享机（稳定）。2. Serverless 无服务器推理弹性计算：自动扩缩容，闲置时计费归零。API 服务：对外提供 API 接口，适配 LLM 与文生图批量服务。冷启动：响应极快，最低仅需 2 秒。3. 集群 Clusters多卡互联：支持多卡 NVLink 互联。适用场景：适合超大模型分布式训练及企业批量任务。4. 配套工具管理：提供 API / SDK 用于程序化管理实例。监控：内置用量监控、预算告警、自动关机功能。协作：支持团队协作权限分配、自定义 Docker 镜像。三、适用人群分析✅ 适合人群AI 开发者与学生：LLM 微调、Stable Diffusion 绘图、本地硬件跑不动时租用。个人/小团队：搭建私有化 AI API、提供 7×24 小时推理服务。MLOps 从业者：批量推理、分布式训练、寻找低成本替代公有云 GPU 方案。❌ 不适合人群国内合规业务：无国内节点，直连网络存在不稳定性。纯小白用户：无 Linux / Docker / 命令行基础，操作门槛高于可视化 AI 工具。大带宽需求者：存储单独计费，若高频文件传输，成本可能偏高。四、免费 & 付费方案1. 免费政策说明注册权益：注册账号免费开通控制台，查看价格。新户福利：首充满 $10，随机赠送 $5 ~ $500 平台余额（一次性，仅限新用户）。注意：无永久免费 GPU 时长，无免费算力额度，仅赠送抵扣金。2. 付费模式详解Pods 容器计费Community 抢占机：单价极低，但资源随时可能被平台回收，训练需保存断点。Secure 独享机：稳定不中断，单价较高，适合长时间运行任务。计费规则：算力：按实际使用秒数计费。存储：$0.10/GB/月（持久化磁盘），删除 Pod 后停止计费，单纯关机不释放存储。Serverless 推理计费Flex 模式：闲置自动停机，仅运行时扣费（推荐）。Active 模式：常驻实例，随时调用。优惠套餐Savings Plan：预存 3 或 6 个月享受折扣。预留集群：1–12 个月预留集群大幅降价。🔗 官方定价页面（实时更新）总定价页Pod 文档定价Serverless 定价文档五、快速使用步骤注册登录：访问 runpod.io 使用邮箱注册，完成验证。绑定支付：必须添加境外信用卡（Visa/Mastercard/Amex）以解锁 GPU 租用权限。部署 Pods（训练/绘图）：进入左侧菜单 Pods → Deploy Pod。选择预制模板或上传自定义 Docker 镜像。选择显卡型号、部署区域、磁盘大小。开启 Jupyter 或 SSH 端口。启动容器，通过网页或 SSH 连接操作。关键设置：务必配置 Auto Shutdown 自动停机，防止超额扣费。部署 Serverless API：进入左侧菜单 Serverless → New Endpoint。填入推理镜像或选择官方模板。设置扩缩容规则、GPU 规格。生成公开 API 地址，直接 POST 调用 JSON。配套配置：进入 Settings 配置 SSH 密钥、API Key，用于代码批量管理。六、避坑重点（高频踩坑指南）1. 网络硬伤问题：国内用户直连加载慢、Jupyter 页面容易掉线、大模型下载极易超时。建议：无国内服务器节点，必须优化网络环境（如配置节点加速或代理），刚需用户请慎重。2. 抢占机中断风险风险：Community Cloud 实例随时可能被平台回收，训练无断点保存会直接丢失进度。建议：长时间训练任务，优先选择 Secure 独享机。3. 扣费隐形坑磁盘计费：磁盘是持续计费的，删除 Pod 才会停止存储扣费。关机不释放：仅仅关闭 Pod 不释放存储卷，关机后仍需支付磁盘费。忘记关机：忘记关机持续跑 GPU，几小时即可产生高额账单。对策：务必开启 Auto Shutdown 自动停机功能。4. 支付限制硬性限制：仅支持境外信用卡，不支持微信/支付宝。虚拟卡：部分虚拟卡可能触发风控导致无法绑定，建议准备多张备用卡。5. 新手门槛技术依赖：平台高度依赖 Linux 和 Docker，可视化操作少。操作要求：不会 SSH、不会命令行（YAML/JSON 配置）极易卡壳。6. 存储成本注意：大模型数据集如果长期挂载，费用较高。建议：用完及时清理无用卷，仅保留必要数据集。7. API 密钥安全风险：API Key 一旦泄露，会被他人占用你的 GPU 算力。建议：禁止将密钥明文上传至公共代码仓库（如 GitHub）。8. 无国内售后现状：工单沟通全英文，故障排查响应慢。注意：无本土化技术支持，需具备独立排查能力。
Vast.ai
Vast.ai 使用指南一、平台介绍Vast.ai 是一个分布式 GPU 算力交易市场。核心模式：撮合个人、机房闲置显卡出租与用户按需租用。主打优势：主打低价 AI 训练/推理 GPU，拥有 2 万 + 显卡、68 种 GPU 型号、40+ 机房。价格远低于 AWS、CoreWeave 等商用云。付费策略：无免费额度/免费试用，纯预付费按量计费。角色分类：租客：租显卡跑 AI。主机：出租自有显卡赚佣金（账号需分开）。二、主要功能Vast.ai 提供了全方位的 GPU 云算力支持：GPU Marketplace 筛选：可按显存、GPU 型号、价格、内存、带宽、机房、是否可抢占等维度筛选机器。预制 Docker 模板：提供 PyTorch、TensorFlow、Oobabooga、ComfyUI、vLLM 推理等开箱即用镜像。多连接方式：支持 SSH、Jupyter、WebUI 直连实例，支持自定义启动命令。Serverless 推理端点：支持一键部署 LLM/图生图 API，具备自动扩缩容能力。程序化管理：提供 Python SDK、CLI、完整 REST API，支持批量创建/销毁实例。团队与权限管理：包含团队权限、存储挂载、带宽自定义、主机出租后台等功能。三种租赁模式：按需（On-demand）：稳定，不回收。抢占（Interruptible）：便宜，随时回收。预留（Reserved）：长租享折扣。三、适用人群✅ 适合使用AI 个人开发者、学生：适合 LLM 微调、Stable Diffusion 绘图、模型测试。小团队/独立算法：适合短期训练、批量实验、临时推理服务。算力预算有限者：不要求 7×24 稳定生产环境。闲置显卡变现者：自有闲置显卡，想出租赚佣金的主机用户。❌ 不适合使用企业正式生产：不适合涉密数据、要求高 SLA 可用性的场景。特定网络要求：不适合需要国内低延迟、内网合规部署的场景。零基础小白：不适合完全不懂 SSH/命令行、纯白鼠用户。四、免费 & 付费定价💰 免费政策无永久免费、无免费试用。注册即 0 余额，必须预充值才能创建实例。最低充值金额：5 美元。📝 计费规则计费粒度：秒级计费（不四舍五入）。显卡租金：分抢占（便宜 50%+，随时回收）/ 按需（稳定不回收），价格随市场浮动。磁盘费：只要实例存在就扣费，停机不减免。带宽费：进出流量单独计价，不同机器带宽单价差异大。预留长租：长期锁定机器可享折扣。🌐 实时定价与参考请随时访问实时定价页面查看最新价格：https://vast.ai/pricing主流显卡参考区间（抢占低价）：RTX 3090：$0.13+ /小时RTX 4090：$0.28+ /小时RTX 5090：$0.37+ /小时H100 80G：$1.73+ /小时H200：$3.5+ /小时💳 支付方式支持 Visa / Mastercard 信用卡。支持加密货币（BitPay / Crypto.com）。不支持：支付宝、微信。五、完整使用步骤（租客版）步骤 1：注册账号 注册邮箱账号并完成验证。步骤 2：充值余额 进入 Billing 页面，Add Credit 充值（建议 10 美元起步）。步骤 3：上传 SSH 公钥 在 Keys 页面上传本地 SSH 公钥（SSH 连接必备）。步骤 4：选择镜像 在 Templates 选择预制镜像（如 Oobabooga/ComfyUI/PyTorch）。步骤 5：筛选 GPU 进入 Search 页面，按显存、价格、抢占/按需、磁盘大小、带宽筛选机器。步骤 6：配置与启动配置磁盘容量（注意：磁盘创建后不可扩容）。点击启动实例。步骤 7：连接实例 等待 3–5 分钟初始化完成，点击 OPEN 进入 Jupyter/WebUI。步骤 8：销毁资源 使用完毕后，必须手动销毁实例。仅停机仍会持续扣取存储费用。六、核心避坑指南⚠️ 网络国内痛点连接速度：海外服务器，直连加载慢、Jupyter 打不开、模型下载超时，需提前优化网络。带宽差异：机房带宽参差不齐，低价机器上行带宽极低，传输大模型极慢。💸 计费大坑暂停≠免费：实例仅暂停（暂停状态）依然会扣费，不用必须 Destroy 销毁实例。抢占风险：抢占机随时被主机回收，训练可能中断，重要任务选 On-demand。流量收费：流量单独收费，大批量下载模型会产生高额账单。余额预警：余额不足实例直接停机，未保存数据丢失，建议开启余额提醒。🛑 实例限制磁盘限制：空间创建后无法扩容，请务必预估模型大小预留充足空间。证书问题：Jupyter 浏览器证书报错（macOS 常见），需安装平台证书，否则直接拦截。环境稳定性：低价家用主机机房环境不稳定，死机、重启概率高于专业机房。🔒 安全 & 合规数据安全：散户主机无企业级安全隔离，严禁上传敏感/商业涉密数据。凭证安全：API Key、SSH 私钥勿公开泄露，他人可消耗账户余额。合规风险：平台不支持国内合规资质，企业商用存在版权、数据合规风险。🛠 其他注意事项客服支持：无客服工单快速通道，故障主要靠 Discord 社区求助。充值流程：支付仅境外卡，充值、退款流程相对繁琐。管理工具：无移动端 APP，只能通过网页或 CLI 管理实例。
WaveSpeedAI
WaveSpeedAI 使用指南一、平台介绍WaveSpeedAI（wavespeed.ai/zh-CN）是一个位于新加坡的多模态 AI 推理聚合平台。核心定位：提供一站式统一 API 服务，聚合 1000+ 主流文生图、视频、语音、数字人及 3D 模型（如 FLUX、可灵、Seedance、Veo、Suno 等）。技术优势：自研加速 GPU 集群，提供低延迟推理服务。使用体验：配备网页 Playground 零代码调试工具，支持按量计费，无强制订阅。服务对象：面向创作者、独立开发者及企业用户。二、核心功能1. 图像生成基础能力：文生图、图生图、超分辨率、扩图、换背景。人像优化：支持 Nano Banana 人像模型。高级功能：支持 LoRA 模型的加载与训练。2. 视频生成核心能力：文生视频、图生视频。进阶效果：长视频分段、电影级运镜、4K 输出。数字人：支持 AI 数字人唇形同步（Talking Head）。3. 音频能力声音合成：AI 配音、多语种音色选择。音乐生成：Suno 音乐生成。其他：音效生成。4. 模型训练无代码操作：提供无代码 LoRA 微调功能。训练方式：直接上传图片包即可训练专属人物或风格模型。5. 统一 API兼容性：兼容 OpenAI 格式。集成支持：一套密钥调用全品类模型，支持回调与批量任务。6. 配套工具开发支持：提供网页在线画布、Python/JS SDK、CLI 工具、ComfyUI 插件。管理：支持任务历史记录查询。7. 企业能力服务保障：专属 GPU 资源、99.99% SLA 保障。商务支持：批量折扣、私有部署、发票对公结算。三、适用人群✅ 适合使用独立开发者 / AI 工具创业者：快速集成图文视频能力，避免对接多家模型厂商。短视频 / 电商设计师：批量生成商品图、营销短片、虚拟主播素材，快速出稿。自媒体 / 短剧团队：低成本制作 AI 成片、数字人解说、配音一体化。AI 研究 / 算法爱好者：横向对比各类 SOTA 模型，以低成本测试效果。中小企业 / 广告公司：搭建内部 AI 内容生产流水线。❌ 不适合使用纯国内内网业务（平台为海外服务器）。无境外支付渠道的用户（需境外信用卡/PayPal）。追求完全免费重度生产（免费额度极低）的用户。四、免费 & 付费详情1. 免费额度注册赠送：新用户注册即送 $1 免费余额。使用限制：无需绑卡即可使用；仅基础轻量模型可用。消耗说明：高端视频/人像模型消耗余额更快。续用方式：额度用完需充值才能继续使用。2. 付费模式计费方式：按量计费，无月租。扣费规则：按单次生成扣费，价格随模型、分辨率、视频时长浮动（每个模型页面均标注单价）。账户等级：通过累计充值升级，可提升并发/限流上限：青铜（默认）白银（累计 $100）黄金（累计 $1000）至尊（累计 $10000）支付方式：支持 Visa/Mastercard、PayPal、企业电汇、加密货币。企业方案：提供大额批量折扣、专属客服、SLA 保障及对公发票。官方定价页（实时最新）：https://wavespeed.ai/zh-CN/pricing五、使用步骤方式 1：网页零代码创作（普通用户）登录：打开官网，右上角点击 Sign In，支持 Google 或 GitHub 登录。浏览：首页浏览模型库，选择图像/视频/数字人模型进入 Playground。设置：填写提示词、上传参考图、调节分辨率/时长/风格参数。生成：点击 Run 生成，在 Run History 查看并下载成品。充值：余额不足时前往充值页面充值美元余额。方式 2：API 代码调用（开发者）获取密钥：登录后台 → API Keys，创建并保存密钥（首次完整显示）。接口地址：基础接口为 https://api.wavespeed.ai/api/v3。请求方式：参考 SDK/文档编写请求，统一鉴权 Header 为 Authorization: Bearer 密钥。任务机制：支持同步/异步任务，长视频/大图需轮询接口获取最终结果。最简 API 请求 JSON 示例（文生图）：json{ "model_id": "flux/flux-2-max", "inputs": { "prompt": "赛博朋克城市夜景，8k 高清", "negative_prompt": "模糊、低画质、畸形", "width": 1024, "height": 1024, "steps": 28 } } { "model_id": "flux/flux-2-max", "inputs": { "prompt": "赛博朋克城市夜景，8k 高清", "negative_prompt": "模糊、低画质、畸形", "width": 1024, "height": 1024, "steps": 28 } } 六、避坑重点1. 网络限制平台为海外服务器，国内直连易导致加载慢、任务超时或图片加载失败。建议刚需用户优化网络环境。2. 扣费规则用户参数错误或违规（如 NSFW）触发失败，仍可能扣费。平台服务器故障导致失败的情况，会自动退款。3. 免费额度限制$1 试用余额仅能少量测试高端模型，正式批量生产必须充值。4. LoRA 训练坑预估时长可能不准，极易超时。仅支持 safetensors 格式模型，从 Civitai 下载需自行转换格式。5. 并发限流青铜账户并发较低，批量生成会频繁排队。大额充值升级等级后，可提升并发上限。6. 支付门槛平台不支持微信/支付宝。国内个人充值依赖境外信用卡或 PayPal。企业对公结算仅支持电汇。7. 版权风险各模型的商用授权条款独立，平台不统一兜底。商用前务必核对对应模型的版权条款。8. 视频异步机制长视频任务为异步处理，接口不会即时返回结果，必须循环轮询获取状态。9. 数据留存任务历史仅保存一段时间，重要素材务必及时本地下载备份。
OCRmyPDF
OCRmyPDF 实用指南核心定位：开源、安全、高效的命令行 PDF OCR 工具，Python 开发，底层基于 Tesseract OCR、Ghostscript、qpdf。📜 开源协议：MPL-2.0（可商用，修改源码需公开）一、主要功能OCRmyPDF 不仅仅是简单的文字识别，它专注于“增强 PDF"：生成可检索 PDF/A：默认输出存档标准 PDF/A，也可切换为普通 PDF。图像智能预处理：自动纠偏（--deskew）页面旋转校正（--rotate-pages）降噪与对比度增强多语言混合识别：支持中英文混扫（-l chi_sim+eng）及百种语言。性能优化：批量/单文件处理原地覆盖输出（-f）多核 CPU 加速（--jobs N）PDF 压缩优化输出辅助文件：导出纯文本副文件（--sidecar）。高级控制：跳过已有文本页面强制重 OCR（--force-ocr）修复损坏 PDF元数据自定义部署方式：提供 Python 库 API、Docker 镜像、简易 Web 服务插件。二、适用人群与场景✅ 适合使用程序员/运维：构建自动化档案处理、批量扫描 PDF 流水线。办公/档案管理员：纸质扫描件数字化归档。学生/研究员：古籍、扫描教材、论文批量文字提取。私有部署需求：敏感文档本地离线处理，拒绝上传云端。❌ 不适合使用纯小白用户：无命令行基础（原生无 GUI，需安装第三方封装）。单图提取需求：仅提取单张图片文字时，直接使用 Tesseract 更轻量。移动端用户：无移动端客户端。三、免费与付费说明💰 核心程序：100% 免费开源本体：所有命令行参数、Python API 全部免费。无限制：无官方订阅、无付费套餐、无额度限制、无水印。无定价页面：官方无任何收费渠道。依赖组件：Tesseract、Ghostscript 均为开源免费。⚠️ 第三方付费警告App Store 同名客户端：一次性$4.99 授权，非作者开发。功能限制：仅封装命令行，不推荐。风险：可能涉及隐私上传风险，建议使用官方开源版。四、安装指南重要提示：必须先安装系统级依赖（Tesseract、qpdf 等），仅 pip 安装会导致功能缺失。1. Windows 用户（推荐 WSL2）在 Windows 原生上兼容性较差，建议使用 WSL（Ubuntu）。bash# WSL Ubuntu 环境 sudo apt install ocrmypdf tesseract-ocr tesseract-ocr-chi-sim 2. macOS 用户使用 Homebrew 快速安装。bashbrew install ocrmypdf tesseract tesseract-lang 3. 通用 Python 安装在系统依赖装好后，通过 pipx 安装 Python 包。bashpipx install ocrmypdf 五、使用命令示例1. 基础 OCR输出默认 PDF/A 格式。bashocrmypdf input.pdf out.pdf 2. 进阶处理（多语言 + 纠偏 + 压缩）bashocrmypdf -l chi_sim+eng --deskew --optimize 2 scan.pdf search.pdf 3. 强制重 OCR若 PDF 内已有文字层，默认会跳过。如需强制重扫（将矢量文字转为图片）。bashocrmypdf --force-ocr in.pdf out.pdf 4. 导出副文件原地覆盖输出，并生成独立 TXT 文本。bashocrmypdf --sidecar out.txt input.pdf 5. Python API 调用极简代码示例。pythonimport ocrmypdf ocrmypdf.ocr( "scan.pdf", "search.pdf", language=["chi_sim", "eng"], deskew=True ) 六、避坑指南1. 中文乱码 确保安装了中文语言包：tesseract-ocr-chi-sim。多语言识别时必须使用 -l 语言 1+语言 2 格式。2. 报错 page already has text 原生带文字 PDF 默认会被跳过。需加 --force-ocr 强制重扫，注意这会破坏矢量文字层，将其转为图片。3. Windows 兼容性问题 原生 cmd/Powershell 兼容性差，优先推荐 WSL2 或 Docker 环境。仅 pip 安装容易缺失 Ghostscript 等系统依赖。4. 分辨率误区 300 DPI 是最优平衡点。600 DPI 以上会大幅拖慢速度，且识别精度无显著提升。5. 隐私风险 确保使用 离线本地版。切勿使用第三方封装的 GUI 软件，避免文件被偷偷上传。6. 大文件内存溢出 处理千页以上扫描件时，建议加 --jobs 2 限制线程，降低并行内存占用。7. PDF/A 兼容性 若部分老旧阅读器打不开，可加 --output-type pdf 输出普通 PDF 格式。8. 文件损坏风险 使用原地覆盖（-f）时，若程序中途崩溃会损坏原文件。建议先生成新文件再手动替换。9. 复杂版面识别错位 多栏文档识别异常时，尝试加 --pagesegmode 6 调整版面分割模式。10. 安装失败 若安装报错，请检查是否安装了系统级组件（Tesseract、qpdf、unpaper）。
EasyOCR
EasyOCR 使用指南官网地址：https://www.jaided.ai一、平台介绍Jaided AI 成立于 2020 年，主打 OCR 文字识别，核心产品分为两条线：EasyOCR：开源免费的 Python OCR 库。GitHub 拥有 29k+ 星标。支持全球开发者本地使用，并提供网页 Demo 在线测试。Cloud Document AI（企业云 OCR）：提供商用云端 API 及私有化本地部署方案。面向企业的票据、证件、KYC 文字提取需求。定位：通用多语言文字识别，兼顾个人轻量试用、开发者本地集成、企业批量文档处理。二、主要功能1. EasyOCR（开源核心）语言支持：支持 80+ 种语言，包括简/繁体中文、英文、日韩、阿拉伯、西里尔文字等混合识别。场景适配：适用于屏幕截图、纸质文档、模糊街景文字、倾斜图片。输出内容：提供文字内容、坐标框、置信度；支持批量图片处理及图像预处理（去噪/旋转）。训练与运行：支持自定义训练模型，可配置 GPU/CPU 双模式运行。2. Cloud Document AI（企业付费云服务）高级功能：布局分析、表格结构化提取、表单字段识别。证件识别：Identity Reader 功能，支持身份证/护照证件自动解析（KYC 核验）。其他识别：二维码/条码同步识别、签名定位。部署方式：支持云端 API 调用、私有化部署、批量异步处理、数据标注工具。三、适用人群✅ 适配人群开发者：Python 项目本地 OCR 集成、爬虫图文提取、小程序或工具内置文字识别。学生/个人：截图转文字、扫描件提取文本、批量试卷或笔记电子化。中小企业财务：发票、收据、合同批量信息导出。金融/跨境行业：KYC 证件自动录入、客户身份材料识别。❌ 不适合人群纯无代码普通用户：企业版操作相对复杂，无傻瓜式网页工作台。超高精度印刷票据/手写体需求：此类场景专用票据 OCR 效果通常更强。四、免费 & 付费详情1. 免费资源（永久可用）EasyOCR 开源库：完全免费且可商用，支持本地离线运行，无调用限额。EasyOCR 在线 Demo：https://www.jaided.ai/easyocr/单次上传图片测试。限制：单图 2MB 上限，无批量功能，结果临时展示（刷新丢失）。2. 付费：Cloud Document AI 企业云服务定价页面：https://www.jaided.ai/pricing套餐模式：按量计费：按识别图片页数扣费，适合低频零散需求。月度订阅包：固定额度，适合每日批量文档处理。私有化部署：一次性授权 + 年费维护，数据不上传外网。支付限制：仅支持境外信用卡，无微信/支付宝国内充值通道。试用：官网可申请少量云端 API 测试额度（需注册企业邮箱）。五、使用方法（三条路线）路线 A：个人在线快速试用（无需代码）访问官网 Demo：https://www.jaided.ai/easyocr/上传图片，选择语言（如 ch_sim+en）。一键识别，复制带坐标或纯文本结果。路线 B：开发者本地集成（EasyOCR 开源）安装库：bashpip install easyocr 最简代码示例：pythonimport easyocr # 加载简中 + 英文模型 reader = easyocr.Reader(['ch_sim','en'], gpu=False) # 识别图片 res = reader.readtext("test.jpg") # 打印纯文本 for box, text, score in res: print(text) 完整教程：https://jaided.ai/easyocr/tutorial/路线 C：企业云端 API 调用官网注册企业账号，获取 API Key。调用官方 V1 识别接口，支持同步/异步批量任务。配套文档：https://jaided.ai/documentai/docs六、避坑点⚠️ 注意：国内访问相关服务请注意网络环境，以下坑点请务必知晓。网络问题（国内最大坑）官网、在线 Demo 及企业云服务器均在海外，直连常出现加载慢、上传超时。建议：开源本地库不受网络影响，优先离线部署；国内用户请准备代理环境。EasyOCR 性能短板CPU 识别大图速度极慢，批量处理建议配置 GPU。手写文字、极小字体、强光反光图片准确率会大幅下跌。首次运行需自动下载数百 MB 语言模型，离线环境需提前手动导入模型文件。免费 Demo 限制单图 2MB 上限、不支持 PDF 格式、无批量导出功能。结果仅临时展示，刷新页面后记录丢失，不适合工作流集成。企业版成本与合规云端 API 长期批量使用成本较高。涉密证件、票据数据不能上云，必须选私有化部署。付费仅支持境外信用卡，无国内充值渠道。商用版权区分EasyOCR 开源库：允许免费商用。Cloud Document AI：产出物商用需遵守订阅协议，不可超额度转发 API 能力。多语言兼容坑繁/简体中文模型不能混用。同时加载多语种会大幅占用内存、降低速度，建议按需只加载所需语言。
Umi-OCR
Umi-OCR 使用指南一、平台介绍Umi-OCR 是一款国产离线开源 OCR 工具，基于 PaddleOCR 引擎开发，采用 MIT 开源协议。安全隐私：全程本地运算，不上传图片，彻底杜绝云端隐私泄露风险。网络要求：断网可用，完全离线运行。系统支持：兼容 Windows/Linux x64 架构。安装方式：解压即用，无需安装，无驱动依赖。二、核心主要功能1. 截图识别自定义快捷键：支持设置全局热键，快速框选屏幕区域。多源识别：支持点击屏幕截图识别，也支持复制图片后粘贴识别。智能排版：识别后自动合并自然段，优化文本格式。2. 批量图片 OCR无限数量：拖入图片或文件夹即可处理，无数量上限。区域屏蔽：支持设置忽略区域，自动跳过水印、页眉、页脚。多格式导出：支持导出为 TXT、MD、CSV、JSONL 等多种格式。3. 批量 PDF 文档扫描件处理：针对扫描版 PDF 提取文字。PDF 优化：生成的 PDF 为双层可检索格式，方便后期编辑与搜索。4. 附加识别能力多模态解析：支持二维码解析与生成。特殊文本：内置数学公式识别、竖排文本适配功能。多语言支持：内置简繁中、英、日、韩、俄、德、法等语言模型，支持手动扩充。5. 外部集成与后处理接口调用：提供 HTTP 接口与命令行支持，可对接自动化脚本或第三方软件。文本清洗：自动合并自然段，去除多余换行，过滤干扰文字。三、适用人群✅ 推荐适用人群学生群体：课件截图、黑板照片、论文文献、公式提取。职场办公：合同/发票扫描件、截图文案、批量资料数字化。隐私敏感用户：财务单据、身份证、内部机密（需本地处理，不上传云端）。自媒体创作者：网页截图、视频字幕提取。开发者：本地 OCR 接口二次开发、自动化工具集成。❌ 不适合使用场景MacOS 用户：无官方原生客户端，需依赖虚拟机或 WSL，体验不佳。老旧硬件：无 AVX 指令集的老旧 CPU 无法启动 Paddle 引擎。移动端用户：不支持手机或平板直接运行。32 位系统：仅支持 x64 架构操作系统。四、免费/付费情况完全免费：100% 永久免费，无付费版本、无会员、无次数限制、无软件水印。开源协议：源码完全开源，个人及商用均可自由使用、二次修改及分发。无隐形消费：无定价页面，不存在付费套餐或充值渠道。模型扩展：仅可选额外下载多语言模型包，所有扩展资源均免费。五、快速使用步骤软件安装下载 Release 版本压缩包，解压至任意文件夹。直接运行 Umi-OCR.exe 即可启动。截图识别进入 设置 -> 快捷键，绑定截图热键（默认为 Win + Alt + C）。按下快捷键框选区域，软件自动输出文本，支持一键复制。批量识别切换至「批量 OCR」模式。拖入图片文件，设置「忽略区域」框选水印等干扰内容。点击开始任务，处理完成后批量导出文件。PDF 识别切换至「批量文档」模式。导入 PDF 文件，批量提取文字内容。剪贴板快捷识别从网页或微信复制图片后，软件点击「粘贴图片识别」即可完成。进阶开发开启 HTTP 接口功能。通过代码调用本地 OCR 服务，实现程序化调用。六、避坑点（高频问题与解决方案）1. 硬件兼容坑问题：老 CPU 无 AVX 指令集无法启动 Paddle 引擎；32 位系统无法运行。解决：需切换 RapidOCR 引擎；确认系统为 x64 架构。2. 多屏缩放异常问题：多显示器 Windows 缩放比例不一致，导致截图画面错位、识别失败。解决：统一所有显示器缩放比例，或使用系统自带截图工具截取后导入。3. 大图识别模糊问题：超长截图或超大图片出现识别残缺、漏字。解决：在 设置 中调高「限制图像边长」数值，或分块识别。4. 硬盘占用大问题：完整多语言模型包体积超 1GB。解决：若仅用中文，可在模型目录删除多余的语言模型包以节省空间。5. 忽略区域逻辑误区问题：忽略框仅能屏蔽固定水印，动态不规则水印无法彻底清除。解决：复杂图片建议单张手动剔除干扰区域，或使用图像预处理工具先修复。6. Mac 用户限制问题：无官方 Mac 客户端。解决：只能通过虚拟机或 WSL 运行，体验不如本地客户端。7. 杀毒误报问题：解压包易被 Windows Defender 拦截。解决：添加解压目录至杀毒软件白名单；软件无病毒，开源源码可自查。8. 离线模型更新问题：新增语种无在线自动下载功能。解决：需手动下载模型文件，并按指定路径放入目录。9. 接口安全风险问题：HTTP 接口默认本地开放。解决：切勿暴露公网 IP，避免他人调用占用本地算力；内部使用建议设置密码或限流。10. 批量任务卡顿问题：一次性导入上千张图会导致内存飙升，处理变慢。解决：建议分批次处理，避免单次内存溢出。
PaddleOCR
AI Studio PaddleOCR 使用指南📚 简介：本文档旨在帮助用户全面了解百度 AI Studio 平台上的 PaddleOCR 工具，涵盖平台定位、核心功能、适用场景、费用说明、使用步骤及避坑指南，助您快速上手云端 OCR 训练与识别。一、平台介绍1. 核心构成PaddleOCR：百度飞桨开源 OCR 算法套件，遵循 Apache2.0 协议，完全开源且免费。AI Studio：百度云端在线算力与代码运行平台。环境优势：内置 PaddleOCR 全套环境，无需本地配置。运行模式：支持在线推理、模型微调、API 调用、可视化图片上传识别。2. 平台定位首选方案：国内免费中文 OCR 首选的云端实训平台。一站式服务：提供从图片/PDF 文字识别、定制模型训练到线上接口调用的完整流程。网络优势：国内网络访问无障碍，延迟低，速度快。3. 生态配套在线识别页：提供前端无代码识别体验。Notebook 环境：支持代码开发与模型训练。API 服务：开放接口供程序调用。案例库：提供行业微调案例库及完整教程。二、主要功能1. 网页端零代码识别操作方式：直接拖拽上传 JPG/PNG/PDF/TIFF 文件。核心能力：自动版面分析、文字提取、表格还原。后期处理：支持在线校对，并支持导出为 TXT / Markdown / JSON 格式。2. Notebook 代码全流程能力基础推理：涵盖通用中英文、手写体、票据、表格等多种场景。模型微调：支持上传自定义数据集，训练专属模型（如车牌、证件、小票、古籍等）。数据工具：内置文字合成工具、标注工具及数据集预处理功能。模型导出：支持导出 Paddle 推理模型及 ONNX 格式，适配本地或移动端部署。3. 开放 API/MCP 远程调用获取 Token：复制个人 Access Token 即可使用。批量服务：服务端支持批量识别 PDF/图片，适合程序自动化处理。返回结构：提供包含文字、坐标、置信度的结构化 JSON 数据。4. 配套资源库预训练模型：预置 PP-OCRv4、PaddleOCR-VL 多模态文档解析模型。学习资源：提供免费数据集、完整教程及可直接 Fork 运行的案例项目。三、适用人群与场景✅ 适合人群学生与算法新手：零成本学习 OCR 技术、深度学习模型训练。个人办公用户：日常扫描 PDF、证件、票据的文字提取需求。中小开发者：快速验证 OCR 需求、实现批量识别、进行私有化模型训练。中小企业：内部文档数字化、票据识别场景，低成本验证业务方案。❌ 不适合场景高并发商用生产：免费 API 每日额度有限，高流量业务需切换至百度智能云付费 OCR。离线无网环境：AI Studio 依赖云端算力，若需离线使用，必须本地部署 PaddleOCR。四、免费 & 付费详情1. AI Studio 云端算力（Notebook 运行）免费规则：每日发放 8 点 GPU 算力（对应 V100 16G），1 算力=1 小时。有效期：24 小时。CPU 环境：永久不限时。额外获取：签到、做任务、参赛可兑换额外算力卡。存储空间：固定 100G 免费。付费扩容：算力不足时可购买付费算力卡。定价页：https://aistudio.baidu.com/aistudio/pay2. PaddleOCR 网页在线识别（前端体验页）识别次数：登录账号后 无限次 免费识别。未登录状态：每日提供 3 次 试用，无收费项目。网址：https://aistudio.baidu.com/paddleocr3. AI Studio 开放 API 调用免费额度：单模型每日 3000 页 PDF/图片识别。单次限制：单次最多处理 100 页。超量处理：超出额度将返回 429 限流错误。商用扩容：需跳转 百度智能云文字识别 按量计费。4. 开源代码包（本地 pip 安装）费用：永久完全免费。限制：无任何调用额度、商用限制。五、快速使用步骤方式 1：零代码网页识别（最快上手）打开网址：https://aistudio.baidu.com/paddleocr。使用百度账号登录。上传图片或 PDF 文件，系统自动执行版面解析与文字识别。在线修改识别错误后，导出为 JSON/TXT/Markdown 格式。方式 2：Notebook 代码训练/推理（开发模式）进入 AI Studio 首页，创建新项目，选择 Python Notebook。运行以下代码拉取 PaddleOCR 并安装依赖：python!git clone https://gitee.com/paddlepaddle/PaddleOCR.git %cd PaddleOCR !pip install -r requirements.txt from paddleocr import PaddleOCR # 初始化模型，开启角度分类，选择中文语言包 ocr = PaddleOCR(use_angle_cls=True, lang="ch") # 进行图片识别 res = ocr.ocr("test.jpg", cls=True) !git clone https://gitee.com/paddlepaddle/PaddleOCR.git %cd PaddleOCR !pip install -r requirements.txt from paddleocr import PaddleOCR # 初始化模型，开启角度分类，选择中文语言包 ocr = PaddleOCR(use_angle_cls=True, lang="ch") # 进行图片识别 res = ocr.ocr("test.jpg", cls=True) 上传自有数据集，执行微调训练脚本，最后导出模型权重。方式 3：API 批量调用（自动化）在控制台找到并复制个人 Access Token。在程序中调用官方接口，将图片转为 Base64 编码传参。接收包含结构化文字、坐标、置信度的 JSON 响应。六、避坑点与注意事项⚠️ 算力时效管理每日发放的算力 24 小时清零。建议：优先消耗快过期的算力；大模型训练建议集中当日算力一次性跑完，不要拆分多天。⚠️ API 额度限制免费每日上限 3000 页。批量处理大批量文件容易触发 429 限流。建议：正式商用业务务必切换到百度智能云付费 OCR 服务。⚠️ 文件大小与存储PDF 限制：网页单 PDF 上限 500 页。图片限制：单图大小不超过 20MB。超大文件处理：建议本地分割后分块上传。存储上限：总存储空间 100G。数据集、模型占用过高会导致无法上传新文件，请定期清理无用图片和权重包。⚠️ 网络与环境问题拉取代码：国内网络偶尔超时，建议切换 百度镜像源。GPU 问题：若遇到 GPU 内核卡死，尝试重启内核即可恢复。⚠️ 微调门槛与商用授权数据标注：自定义数据集需严格规范标注格式，标注错误会导致识别精度暴跌。新手建议优先使用预训练模型推理。授权区分：AI Studio 云端 API 仅用于学习验证；正式商用必须购买百度智能云 OCR 服务；本地开源 PaddleOCR 无商用限制。⚠️ 移动端部署限制AI Studio 仅负责训练和导出模型。注意：无法直接打包 APP，需自行搭配 Paddle Lite 进行移动端部署。附：API 返回极简 JSON 示例json{ "code": 0, "msg": "success", "data": [ { "text_box": [[10,20],[300,20],[300,50],[10,50]], "text": "百度 AI Studio PaddleOCR", "score": 0.987 } ] } { "code": 0, "msg": "success", "data": [ { "text_box": [[10,20],[300,20],[300,50],[10,50]], "text": "百度 AI Studio PaddleOCR", "score": 0.987 } ] }
YOLO
Ultralytics YOLO 使用指南一、平台介绍1. 文档站定位 Ultralytics 官方中文技术手册，网址为 docs.ultralytics.com/zh。它是 YOLO 系列（v5/v8/v11/YOLO26）全版本的本地代码、云端 Platform 操作、API、部署及许可证规范的完整参考。2. 底层核心架构本地开源框架：Ultralytics YOLO 开源 Python 计算机视觉框架。云端 SaaS 平台：配套 Ultralytics Platform 云端训练、标注、部署服务。场景覆盖：支持本地离线训练 + 云端平台双场景，提供代码示例、参数说明、故障排查及导出教程。二、主要功能1. 开源框架能力（本地代码）视觉任务：覆盖目标检测、实例分割、姿态估计、OBB 旋转框、图像分类 5 大任务。模型尺寸：提供 n/s/m/l/x 多尺寸轻量化预训练模型，支持速度与精度的自由取舍。训练流程：支持一键训练/验证/预测/导出，兼容自定义数据集与 yaml 配置。模型导出：支持 19 种导出格式（TFLite、TensorRT、ONNX、CoreML、OpenVINO 等），完美适配边缘与移动端设备。2. 云端 Ultralytics Platform文档站对该平台功能提供全覆盖指引。AI 辅助标注：集成 SAM3 自动标注技术，支持框/多边形标注。云端训练：提供 H100/B200/5090 等高端 GPU，支持实时指标监控。全球部署：支持全球 43 区域一键云端部署与推理监控。团队管理：具备团队协作、数据集版本管理及 REST API 调用功能。3. 文档站配套功能完整查阅：提供中文 API、命令行、配置参数的完整文档查阅。硬件教程：包含树莓派、安卓、服务器等硬件的部署教程。合规指引：提供许可证区分、商用授权申请指引及常见报错解决方案。三、适用人群✅ 适合人群学生/算法研究者：进行目标检测实验、毕业设计或开源项目开发。视觉开发者：应用于工业检测、安防监控、自动驾驶、机器人识别等领域。中小技术团队：快速落地轻量化视觉方案，支持零代码云端训练。嵌入式工程师：处理模型量化、边缘设备部署相关工作。❌ 不适合人群零 Python 基础用户：若无编程基础且仅想获取开箱即用的商用成品系统。内网隔离单位：无法访问海外云端服务的政企单位（需考虑网络连通性）。四、免费与付费方案1. 开源代码（本地离线）协议：永久免费，遵循 AGPL-3.0 开源协议。核心限制：若用于闭源商用产品或硬件嵌入，必须公开全部项目代码；否则需购买企业商业授权。2. Ultralytics Platform 云端 SaaS 定价定价页面参考：https://www.ultralytics.com/zh/pricing🟢 Free 免费版（$0/月）注册福利：赠送$5云训练额度；企业邮箱验证可升级$25。资源限制：100GB 存储、3 并发训练、3 云端部署、100 个模型。服务支持：社区技术支持。🟠 Pro 专业版（$29/席位/月）资源升级：500GB 存储、10 并发训练、5 人团队协作、优先客服。额外福利：每月$30 云算力额度。优惠：年付$290 可省 17%。🔵 Enterprise 企业版（定制报价）资源无限：无限存储/训练/部署额度。高级功能：SSO 登录、专属技术支持。核心权益：提供企业商用授权（规避 AGPL 开源强制要求）、本地部署方案。3. 企业商业授权（单独付费）申请页面：https://ultralytix.com/license作用说明：针对商用产品、硬件内置、SaaS 服务等场景，无需开源代码；支持按需定制报价。五、快速使用流程方式 1：本地离线训练（无需登录云端）安装环境：参照文档站教程执行 pip install ultralytics。极简代码训练：pythonfrom ultralytics import YOLO model = YOLO("yolo26n.yaml") model.train(data="coco128.yaml", epochs=100) from ultralytics import YOLO model = YOLO("yolo26n.yaml") model.train(data="coco128.yaml", epochs=100) 模型操作：使用 model.predict() 进行推理，使用 model.export(format="tensorrt") 进行导出。方式 2：云端 Platform（文档站 quickstart 指引）账号准备：在官网注册账号，验证邮箱领取初始算力额度。云端训练：上传数据集 → 使用 AI 标注 → 选择预训练模型启动云端 GPU 训练。模型获取：在浏览器中测试模型效果，支持一键云端部署或下载权重至本地使用。六、避坑指南⚠️ 许可证大坑（最高优先级） AGPL-3.0 协议的传染性极强。若在闭源商用、硬件内置或对外 API 服务场景下不公开源码，存在严重的开源合规纠纷。建议：涉及上述场景，必须购买 Enterprise 企业授权 或进行源码开源。国内网络问题云端平台、预训练权重、文档图片需直连海外，国内下载/加载易慢或超时。建议：本地训练前，建议提前离线下载所需权重文件。免费额度消耗H100/B200 等高端 GPU 计算资源扣费高。建议：实验阶段优先选择低配 GPU 以节省额度。数据集格式报错必须严格遵循 YOLO 格式（txt 标注）。要求：数据集路径不能包含中文或空格，建议使用标准校验脚本进行验证。边缘导出兼容低版本 TensorRT/TFLite 可能不兼容新版 YOLO。建议：查阅文档中的“部署章节”进行版本匹配清单核对。云端并发限制免费版仅支持 3 个并行训练任务。建议：批量实验或运行多项目时，建议升级至 Pro 版以避免排队。本地显存溢出若遇显存不足，可尝试小模型参数：imgsz：缩小分辨率。amp=False：关闭混合精度。建议：查阅文档显存优化章节调整相关参数。云端数据安全风险涉密工业数据集不建议上传海外云端。建议：涉及敏感数据时，优先采用本地离线训练方案。
OpenScreen
OpenScreen 使用指南一、平台简介OpenScreen 是一款开源的轻量级专业录屏演示工具，旨在为用户提供无水印、隐私安全的本地视频处理方案。项目地址：https://github.com/getopenscreen/openscreen官方网址：https://www.openscreen.net/技术架构：基于 Electron 跨平台开发，采用 React + PixiJS，利用本地 FFmpeg 进行视频编码，无云端上传逻辑。核心定位：Screen Studio 等付费软件的免费平替，主打 Demo 演示与教程美化录制。开源协议：MIT 协议，允许个人及商业用途，支持修改与源码分发。二、主要功能特性1. 录制能力录制范围：支持全屏录制或单窗口录制。音频采集：支持麦克风与系统声音同步采集。操作控制：提供 3 秒倒计时，支持托盘悬浮条控制暂停与停止。2. 演示特效（核心卖点）画面增强：支持自动跟随光标缩放、手动定点缩放。流畅转场：内置运动模糊效果，鼠标高亮显示。隐私保护：支持敏感区域自动模糊或打码处理。3. 后期编辑非破坏性剪辑：基于时间轴进行分段变速、裁剪。标注工具：提供文本、箭头、形状等自定义标注功能。背景设置：支持纯色、渐变或自定义壁纸背景。4. 导出设置格式支持：导出 MP4、GIF、WebM 等格式。比例选择：支持 1:1、16:9、9:16 等多尺寸比例。纯净输出：无水印、无隐藏收费、无强制广告。5. 扩展支持源码修改：支持二次编译修改源码。素材导入：支持导入外部录屏素材进行二次编辑。三、适用人群与场景✅ 推荐使用的用户程序员：用于代码 Demo 演示、Bug 复现过程记录、开源项目讲解。产品/运营：制作软件演示视频、客户交付短视频、功能介绍素材。讲师/自媒体：制作操作教程、软件测评视频、线上课程内容。自由职业者：低成本商用演示视频，替代昂贵的付费软件。❌ 不太适合的场景专业影视制作：不适合多轨道复杂剪辑或专业级调色需求。直播推流：不支持直接推流或直播场景。超长录制：长时间 4K 连续录制存在资源占用风险。云端协作：不适合需要云端存储或在线实时分享链接的团队。四、免费与付费情况完全永久免费，无任何付费套餐、订阅、内购或专业版限制。功能全开：所有功能均开放，无功能阉割，无录制时长限制。商用免费：依据 MIT 协议，个人及商业用途均免费。纯净无广告：无隐藏收费、无强制广告、无个人隐私数据采集。五、极简使用步骤1. 安装软件预编译包（推荐）：访问 GitHub Releases 下载对应系统安装包。macOS：.dmgWindows：.exeLinux：AppImage包管理器安装： macOS 用户可通过 Homebrew 一键安装：bashbrew install openscreen 源码构建：bashgit clone https://github.com/getopenscreen/openscreen cd openscreen npm install npm run build 2. 权限配置（重要）macOS：授予屏幕录制、辅助功能、磁盘权限。若弹出隔离提示，在终端执行以下命令放行：bashxattr -rd com.apple.quarantine /Applications/OpenScreen.app Linux：赋予 AppImage 执行权限：chmod +x xxx.AppImage启动时建议添加 --no-sandbox 参数以防崩溃。Windows：需在系统设置中允许应用屏幕捕获，关闭杀毒软件拦截规则。3. 录制流程设置：打开软件，选择「窗口」或「全屏」录制范围，配置音频源。录制：点击 Record 按钮，通过悬浮条控制录制过程。编辑：录制结束后进入时间轴，添加缩放特效、标注、裁剪、调速或更换背景。导出：设置分辨率与比例，导出为 MP4/GIF 并保存至本地。六、常见避坑与注意事项⚠️ 版本与稳定性Beta 测试：Windows 版在暂停后可能出现鼠标错位，长时间录制建议分段录制以防内存溢出。GIF 导出：高分辨率 GIF 导出耗时较长，请保持网络畅通或定期清理磁盘空间。⚠️ 系统兼容性macOS 系统音：macOS 12 及以下版本无法直接捕获系统音，需安装 BlackHole 等虚拟声卡；新版本需手动在系统设置中开启音频权限。macOS 拦截：首次打开若被 Gatekeeper 阻止，必须执行隔离删除命令。语言界面：首次启动可能出现语言弹窗遮挡界面，建议将弹窗拖至边缘切换简体中文后关闭。⚠️ 隐私与安全本地处理：所有视频文件均在本地处理，不上传至云端。敏感信息：软件无自动敏感信息检测，涉及机密内容需手动添加模糊遮罩。⚠️ 二次开发协议声明：若修改源码后分发，务必保留 MIT 协议声明。功能限制：不支持对接云端存储或生成在线分享链接。⚠️ 功能边界缺失功能：暂无自动字幕、多轨道混音、复杂转场特效、摄像头画中画等功能，直播推流也不支持。