AI周报: OpenAI觊觎Chrome；从语音克隆到Agent框架，一周AI技术生态全景解析

（AI行业内部人）和设计师说一些不能说的秘密，ai目前具体应用在哪

很多人问我，ai目前在建筑室内景观行业到底能干啥。 为什么总感觉网上的ai效果这么厉害 stable diffusion到底是干啥的 ai目前有哪些是做不到的 这些问题，一个视频告诉你。

支持视觉大模型的开源PDF解析+OCR工具！Docling本地配置从入门到精通保姆级教程！支持LM Studio+InternVL3-9B与Gemini2.5

🚀支持视觉大模型的开源PDF解析+OCR工具！Docling本地配置从入门到精通保姆级教程！支持LM Studio+InternVL3-9B与Gemini2.5 Pro轻松识别解析模糊PDF扫描文件 🚀🚀🚀视频简介： ✅【企业知识库必备利器保姆级教程】免费开源神器docling震撼来袭！PDF秒变Markdown，扫描文档轻松识别，比付费工具还强大，支持调用InternVL3和Gemini 2.5 Pro模型 📄 本期视频将详细演示了IBM开源的docling PDF文档解析工具的使用方法！ 🛠️ 视频分为三个部分： 1.基础使用- 用Python代码和命令行直接解析PDF转Markdown 2.本地模型 - 配合LM Studio调用InternVL3-9B模型处理扫描版PDF 3.云端API- 使用Gemini 2.5 Pro模型获得顶级OCR效果 💻 通过简单代码将复杂PDF文档成功转换为Markdown格式，连表格和图像都能完美保留。 🔬 针对扫描版PDF，视频展示了如何调用开源视觉模型InternVL3实现精准OCR识别。对于要求更高的场景，还演示了调用Gemini 2.5 Pro API，连模糊不清的扫描文档都能完美解析！ ⚡ 通过docling配合视觉模型，企业知识库项目能轻松处理各种文档格式，大幅提升工作效率！ 📋 视频详细讲解了每个步骤的代码实现，包括模型配置、API调用、批量处理等功能，适合开发者学习参考。 🎯 最终效果让人惊艳 - 连emoji表情、引用格式、模糊文字都能准确提取，成功率极高！ 🔥🔥🔥时间戳： 00:00 - 介绍docling PDF解析工具 00:14 - docling功能特点和支持格式 00:38 - PyCharm环境搭建和依赖安装 01:00 - 基础PDF转Markdown代码演示 02:00 - 运行代码查看解析效果 02:44 - 命令行直接解析PDF文件 03:41 - 扫描版PDF处理方案介绍 04:02 - 配置LM Studio和InternVL3模型 05:00 - docling调用InternVL3模型代码详解 05:50 - 处理扫描版PDF文件演示 06:30 - 查看InternVL3 OCR解析效果 07:10 - 使用Gemini 2.5 Pro模型处理PDF 08:00 - 配置Gemini API和代码运行 08:40 - 对比Gemini模型解析效果 09:20 - 总结和资源获取说明 #docling #ocr #pdf #pdfpattern #lmstudio #gemini #internvl #agi #ai #vlm #gemini2025

【AI早报 2025-05-09】Sam Altman不干了？马斯克又在搞事情！华为硬刚英伟达！微软封杀DeepSeek！Meta疯了！

OpenAI 任命 Fidji Simo 为应用部门首席执行官，Sam Altman 将更专注于研究、计算与安全: 00:00 华为盘古团队在昇腾 NPU 集群上完成 7180 亿参数 MoE 模型稳定训练: 00:36 xAI 公司 Colossus 超级计算机 GPU 集群一期工程实现全面运营: 01:08 Meta 任命前谷歌 DeepMind 总监 Robert Fergus 领导其 AI 研究实验室 FAIR: 01:39 ChatGPT 深度研究工具新增 GitHub 连接器，可分析代码库并回答问题: 02:03 xAI Grok 3.5 据传已向部分用户推出测试版: 02:38 QwenChat 正在灰度测试“深入研究”功能（DeepResearch）: 02:51 Meta 发布 Meta Locate 3D 模型，用于精确的 3D 环境物体定位: 03:03 微软总裁称禁止员工使用 DeepSeek 应用: 03:23 GitHub Copilot 将 OpenAI GPT-4.1 设置为新的默认模型: 03:37 OpenAI 在亚洲推出数据驻留计划: 03:51 OpenAI 展示通过强化微调提升模型在法律任务中引用准确性的初步成果: 04:12 腾讯 ARC 实验室推出 FlexiAct 视频动作克隆技术: 04:28 开源图片编辑框架 Insert Anything 发布，可无缝插入元素: 04:49 OpenAI 或将推出 ChatGPT 周度、年度及终身订阅计划: 05:03 谷歌 NotebookLM 或将增加视频概述和编辑精选功能: 05:17

开源搜图神器，以图搜图，没有搜不到原处!

-

无需设备/动捕服，零成本的免费动作捕捉-AI技术！（从任意视频导入到虚幻引擎）

🎥 用AI从任何视频中免费获取动作捕捉数据！（无需动捕服，零成本）——虚幻引擎5+教程 🔗 Quick Magic：https://www.quickmagic.ai/home?code=AlexCG 🔗Alex Kuznetsov：https://www.youtube.com/watch?v=X7VKrtUYTcc 💡 适合人群：独立开发者、动画师、电影制作人，以及所有想低成本获得高质量动作捕捉的用户。 🚀 学习如何将任意视频免费转化为动作捕捉数据——无需昂贵的动捕服、摄像头或硬件设备！本教程将一步步教你使用Quick Magic（AI驱动的动作捕捉工具），从任何视频片段中提取流畅专业的动画，并导入虚幻引擎用于游戏、电影或特效制作。 🔹 你将学到： ✔ Quick Magic如何将2D视频→3D动作数据（无需深度传感器！） ✔ 获得干净无抖动动画的最佳实践 ✔ 虚幻引擎集成（重定向、修复故障、优化） ✔ 替代昂贵动捕工作室的免费方案 📌 使用工具： Quick Magic（AI动作捕捉） 虚幻引擎5（动画重定向）

当折叠屏用上了夸克APP能碰撞出什么样的火花？

DeepSeek竟然可以给曹操治病

【科技补全49】英特尔CPU发现无法修复的问题；知名黑客团队被黑客黑了；鸿蒙电脑亮相；二次号码焕新服务上线；

这是一条简介，不管你信不信这都是简介

这可能是B站最清晰的KataGo教程：7分钟搞定下载与调优

-

V5版本的自用ComfyUI整合包它来啦！新增Nunchaku、FramePack、Sonic等海量插件工作流。解压即可用，原生支持中文，新手入门首选

V5整合包分享来啦！ComfyUI本体和Manager都进行了更新。Python版本是3.12.9，PyTorch是2.6.0+cu126，这下小伙伴不用担心安装不了新插件啦。此外，还新增了一系列实用插件和工作流，包括加速Flux图片生成的Nunchaku，可以为Flux模型训练LoRA的FluxTrainner，以视频质量高著称的的Wan2.1及其衍生模型WanFun，低显存（6G）条件下就能生成长视频（1分钟）的FramePack，完美对口型的数字人模型Sonic。 还有一些小的优化和改动： 最新版本的ReActor增加了一个NSFW的检测器，很影响性能，我换了个不检查的。 Flux的Pose Controlnet工作流，换成了使用目前效果最好的UnioPro2-fp8模型。 加了一个修复github网络连接的小工具，记得它需要以管理员身份运行哈。 如果在使用中有什么问题，欢迎评论或私信，我会尽力解决，希望能帮到大家。 因为模型文件太大，整合包内不会包含Checkpoints、DiffusionModels，可从模型库内下载自己需要的。 整合包地址（夸克）：https://pan.quark.cn/s/4b98f758d6d4 整合包地址（百度）：https://pan.baidu.com/s/1V4Lflv97rFK0vFZzCUfHMg?pwd=cj89 提取码:cj89  模型库地址（夸克）：https://pan.quark.cn/s/3be6eb0d7f65