SD百科导航
  • 首页
  • 快讯
  • 早报
  • 模型
  • ComfyUI
  • 新技术
  • 百科
    • 教程
    • 硬件
    • 科普
  • 百科工具
    • 工具
  • 排行榜
    • 首页
    • 快讯
    • 早报
    • 模型
    • ComfyUI
    • 新技术
    • 百科
      • 教程
      • 硬件
      • 科普
    • 百科工具
      • 工具
    • 排行榜

    百度

    共 17 篇文章
    排序
    发布更新浏览点赞
    Unlimited OCR:让 AI 像人类一样“流畅抄书”,破解长文档识别的速度与内存魔咒

    Unlimited OCR:让 AI 像人类一样“流畅抄书”,破解长文档识别的速度与内存魔咒

    在 AI 文档处理领域,一个长期存在的痛点是“上下文断裂”与“性能衰减”。当我们将一本几十页的 PDF 交给 AI 时,它往往只能逐页处理,每翻一页就“失忆”一次;或者随着输出长度增加,速度越来越慢...
    多模态模型# Unlimited OCR# 百度
    4个月前
    2090
    百度发布 PP-OCRv6:轻量级 OCR 新标杆,3450 万参数模型精度超越 Qwen3-VL-235B 等千亿级 VLM,支持 50 种语言与工业场景识别,CPU 推理提速 5.2 倍

    百度发布 PP-OCRv6:轻量级 OCR 新标杆,3450 万参数模型精度超越 Qwen3-VL-235B 等千亿级 VLM,支持 50 种语言与工业场景识别,CPU 推理提速 5.2 倍

    在光学字符识别(OCR)领域,百度 PaddleOCR 团队正式推出了新一代旗舰模型 PP-OCRv6。该系列模型参数量仅在 150 万至 3450 万之间,却通过架构创新与数据优化,实现了检测准确率...
    多模态模型# PaddleOCR# PP-OCRv6# 百度
    5个月前
    3580
    百度PaddleOCR 3.5 重磅更新:原生支持 Hugging Face Transformers 后端,无缝集成 RAG 与文档 AI 工作流,PP-OCRv5 性能再升级

    百度PaddleOCR 3.5 重磅更新:原生支持 Hugging Face Transformers 后端,无缝集成 RAG 与文档 AI 工作流,PP-OCRv5 性能再升级

    在构建 RAG(检索增强生成)、文档 AI 及智能代理应用时,高质量的文档结构化数据是基石。然而,传统 OCR 工具往往独立于主流深度学习生态,导致集成复杂、维护成本高。PaddleOCR 3.5 是...
    工具# PaddleOCR 3.5# 百度
    5个月前
    2350
    百度开源 ERNIE-Image:8B 参数打造开源文生图新标杆,精准文本渲染与结构化生成能力卓越

    百度开源 ERNIE-Image:8B 参数打造开源文生图新标杆,精准文本渲染与结构化生成能力卓越

    百度 ERNIE-Image 团队正式开源了其最新文生图模型 ERNIE-Image。该模型基于单流扩散变换器(DiT)架构,拥有 80 亿(8B)参数,并配备一个轻量级的 3B 提示增强器(Prom...
    图像模型# ERNIE-Image# 文生图模型# 百度
    6个月前
    3020
    百度发布GenFlow3.0:文库与网盘升级多模态AI办公系统

    百度发布GenFlow3.0:文库与网盘升级多模态AI办公系统

    2025年11月13日,百度世界2025大会在北京召开。会上,百度正式发布 GenFlow3.0,作为百度文库与百度网盘的底层智能体平台,该版本已完成全端上线,并同步推出两大核心智能体:Office ...
    早报# GenFlow3.0# 百度# 百度文库
    12个月前
    6720
    百度开源ERNIE-4.5-VL-28B-A3B-Thinking:3B活跃参数实现大型模型级多模态推理

    百度开源ERNIE-4.5-VL-28B-A3B-Thinking:3B活跃参数实现大型模型级多模态推理

    百度正式开源 ERNIE-4.5-VL-28B-A3B-Thinking,一款专注于文档、图表与视频理解的多模态推理模型。尽管模型总参数达 约 30B,但通过稀疏激活机制,每次推理仅激活 3B 参数...
    多模态模型# ERNIE-4.5-VL-28B-A3B-Thinking# 多模态推理# 百度
    12个月前
    2470
    Qianfan-VL:百度推出的多模态大模型系列,面向企业级视觉语言任务

    Qianfan-VL:百度推出的多模态大模型系列,面向企业级视觉语言任务

    由百度 AI 云团队研发,Qianfan-VL 是一系列参数规模从 3B 到 70B 的多模态大语言模型(MLLM),专注于提升企业在文档理解、OCR识别和数学推理等高频场景下的自动化能力。 项目主页...
    多模态模型# Qianfan-VL# 多模态大模型# 百度
    1年前
    4030
    百度发布 PP-OCRv5:0.07亿参数模型,挑战百亿级大模型的OCR精度

    百度发布 PP-OCRv5:0.07亿参数模型,挑战百亿级大模型的OCR精度

    在通用视觉语言模型(VLM)主导多模态任务的当下,百度飞桨团队反其道而行之,推出新一代轻量级文字识别模型 PP-OCRv5 ——一个仅含 70万参数(0.07B)的超小模型,在多项 OCR 任务中表现...
    多模态模型# PP-OCRv5# 百度
    1年前
    5590
    百度发布文心大模型 X1.1:深度思考能力再升级,全面开放接入

    百度发布文心大模型 X1.1:深度思考能力再升级,全面开放接入

    9月9日,WAVE SUMMIT 深度学习开发者大会 2025 在北京举行。百度首席技术官、深度学习技术及应用国家工程研究中心主任 王海峰 在会上正式发布 文心大模型 X1.1 ——一款在事实性、指令...
    早报# 文心大模型 X1.1# 百度
    1年前
    3450
    百度推出轻量级推理模型ERNIE-4.5-21B-A3B-Thinking:原生支持函数调用,可联网查天气、调数据库

    百度推出轻量级推理模型ERNIE-4.5-21B-A3B-Thinking:原生支持函数调用,可联网查天气、调数据库

    百度推出ERNIE-4.5-21B-A3B-Thinking,一款专为复杂推理任务优化的轻量级 MoE(Mixture of Experts)大模型。该模型在原有 ERNIE-4.5 基础上显著提升了...
    大语言模型# ERNIE-4.5-21B-A3B-Thinking# 百度
    1年前
    3510
    百度蒸汽机2.0 上线:首次实现多人有声视频一体化生成

    百度蒸汽机2.0 上线:首次实现多人有声视频一体化生成

    百度正式发布 MuseSteamer 2.0 —— 其音视频一体化生成模型的重大升级版本,在行业内首次实现多人有声视频的端到端联合生成。 这意味着,用户只需输入一段文字描述,系统即可自动生成包含多个角...
    早报# MuseSteamer 2.0# 百度# 蒸汽机2.0
    1年前
    7120
    百度开源 ERNIE 4.5:覆盖 0.3B 到 424B 参数的大型语言模型系列

    百度开源 ERNIE 4.5:覆盖 0.3B 到 424B 参数的大型语言模型系列

    百度正式开源了其最新的 ERNIE 4.5 系列,这是继 ERNIE 系列之后又一重磅发布的基础语言模型家族。该系列包含 10 款不同规模与架构的模型,从仅 0.3B(十亿)参数的小型密集模型 到高达...
    大语言模型# ERNIE 4.5# 百度
    1年前
    6060
    加载更多

    网址

    日榜周榜月榜
    LoginFlip

    LoginFlip

    LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
    天府智能体 (Tianfu Agent) 

    天府智能体 (Tianfu Agent) 

    天府智能体 (Tianfu Agent) 作为全球首个专为深度命理推理设计的智能体,它并非简单的聊天机器人,而是一个融合了紫微斗数、子平八字、奇门遁甲三大传统术数体系的复杂 AI 系统。
    ITELLOU

    ITELLOU

    ITELLYOU(也称为NEXT, ITELLYOU)是一个专注于提供微软原版软件资源的非官方网站,主要帮助用户获取未经修改的微软产品镜像,如Windows操作系统、Office办公软件和开发工具等。
    TapNow

    TapNow

    TapNow是一个面向创作者的专业级 AI 视觉内容平台,支持从脚本撰写、分镜头设计到高保真成片输出的完整流程,单人即可在 1–3 天内完成传统需 4–6 周的影视级项目。
    Open ASR 排行榜

    Open ASR 排行榜

    Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER(字错误率)(⬇️ 越低越好)和 RTFx(实时因子)(⬆️ 越高越好),模型根据其平均 WER 从低到高进行排名。
    DSH to Figma

    新DSH to Figma

    DSH to Figma 是 DeepSeek Harness(DSH)的原生插件,搭配配套Figma插件实现本地桥接,把Figma画布能力接入DSH代理。核心优势是本地模式不走Figma官方MCP,不消耗官方调用额度,可以直接读取、编辑画布、截图、导出素材。
    查看完整榜单
    SD百科导航
    SD百科导航是专注于AI创作领域的专业导航网站。我们全面涵盖Stable Diffusion、Flux、AI绘画、AI视频、AI音乐以及大语言模型等前沿内容。

    关于我们友链申请广告合作

    扫码关注微信公众号SD百科导航
    扫码关注微信公众号
    Copyright © 2026 SD百科导航 皖ICP备18025588号-5  皖公网安备34040002000401 
    网址
    网址文章软件模型
      ↵ENTER↓↑NAV

      网址

      日榜周榜月榜
      LoginFlip

      LoginFlip

      LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
      天府智能体 (Tianfu Agent) 

      天府智能体 (Tianfu Agent) 

      天府智能体 (Tianfu Agent) 作为全球首个专为深度命理推理设计的智能体,它并非简单的聊天机器人,而是一个融合了紫微斗数、子平八字、奇门遁甲三大传统术数体系的复杂 AI 系统。
      ITELLOU

      ITELLOU

      ITELLYOU(也称为NEXT, ITELLYOU)是一个专注于提供微软原版软件资源的非官方网站,主要帮助用户获取未经修改的微软产品镜像,如Windows操作系统、Office办公软件和开发工具等。
      TapNow

      TapNow

      TapNow是一个面向创作者的专业级 AI 视觉内容平台,支持从脚本撰写、分镜头设计到高保真成片输出的完整流程,单人即可在 1–3 天内完成传统需 4–6 周的影视级项目。
      Open ASR 排行榜

      Open ASR 排行榜

      Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER(字错误率)(⬇️ 越低越好)和 RTFx(实时因子)(⬆️ 越高越好),模型根据其平均 WER 从低到高进行排名。
      DSH to Figma

      新DSH to Figma

      DSH to Figma 是 DeepSeek Harness(DSH)的原生插件,搭配配套Figma插件实现本地桥接,把Figma画布能力接入DSH代理。核心优势是本地模式不走Figma官方MCP,不消耗官方调用额度,可以直接读取、编辑画布、截图、导出素材。
      查看完整榜单