是否可以为 Discourse AI 插件添加支持，以便将图像中的文本添加到帖子中（OCR）？是否可以为此添加 Google Lens API（Cloud Vision）支持？
我们已将其纳入路线图，以利用多模态 LLM 来创建图像描述，这还应提供一定程度的 OCR。但对于纯 OCR，也许可以试试那个插件？
4 个赞
我在旧版本的 Discourse 中使用过这个插件，它当时是有效的。但不幸的是，它在新版本的 Discourse 中不再有效了。
1 个赞
请参阅 https://meta.discourse.org/t/ai-image-captioning-feature-in-discourse-ai-plugin/296087，此功能现已准备就绪并在 meta 上启用。
3 个赞
我认为我们仍应保持此功能开放，字幕功能与 OCR 相关，但并非完全是 OCR。
例如，OCR 可以让您拍摄笔记照片，然后上传并精确打印。AI 字幕功能要复杂得多，但同样无法提供打印整页文本的保真度。
不确定我们何时有时间处理 OCR，但这确实感觉有些不同。
6 个赞
现在 Anthropic Claude 3 支持视觉功能，在 OCR 任务方面表现相当不错，例如：
2 个赞
哭泣的德语
说正经的，我很好奇它在这种图片上的表现如何：
Tesseract 的结果如下：
MINGW64 ~/Source/Repos/Sut. Driver. Firmware
git push Locking support detected on remote “origin”. Consider enabling it with: git config Ifs ‘1fs.locksverify true
LFS: Access forbidden. Check your access level.
error: failed to push some refs to
MINGW64 ~/Source/Repos/Sut. Driver. Firmware
git push Locking support detected on remote “origin”. Consider enabling it with: git config Ifs. /\fs.locksverify true
Uploading LFS objects: 100% (1/1), 584 KB | 0 B/s, done.
Enumerating objects: 9, done.
Counting objects: 100% (9/9), done.
Delta compression using up to 8 threads
Compressing objects: 100% (3/3), done.
Writing objects: 100% (5/5), 478 bytes | 478.00 KiB/s, done.
Total 5 (delta 1), reused 0 (delta 0), pack-reused 0 »
remote:
remote: To create a merge request for visit:
remote: 1
remote:
To
2c50e5b. . ba25f3e
L MINGN64 ~/Source/Repos /Sut. Driver. Firmware
(好吧，我对这个结果感到惊讶。Tesseract 在处理这类示例时经常会改变行顺序并出现字母错误。)
Sam，你能把这张图片发给 Claude 然后把结果发出来吗？
欢迎在此尝试，Claude 的创意人格在此具有视觉支持，刚刚启用它
https://meta.discourse.org/t/parsing-complex-json-data-in-tris20-code/301329
这要么是我的技术问题，要么是 Claude 有点麻烦 
是技术问题 我使用的是 Forum Helper 而不是 Creative personality。
Claude Creative 给了我们这个：
MINGW64 ~/Source/Repos/Sut.Driver.Firmware (kingfisher)
git push Locking support detected on remote “origin”. Consider enabling it with: git config lfs.http://tfs.locksverify true
LFS: Access forbidden. Check your access level.
error: failed to push some refs to ‘http://tfs.lockeed/tfs/HnC/TEC/SUT/Driver%20Firmware/_git/Sut.Driver.Firmware’MINGW64 ~/Source/Repos/Sut.Driver.Firmware (kingfisher)
git push Locking support detected on remote “origin”. Consider enabling it with: git config lfs.http://tfs.locked/tfs.locksverify true
Uploading LFS objects: 100% (1/1), 584 KB | 0 B/s, done.
Enumerating objects: 9, done.
Counting objects: 100% (9/9), done.
Delta compression using up to 8 threads
Compressing objects: 100% (3/3), done.
Writing objects: 100% (5/5), 478 bytes | 478.00 KiB/s, done.
Total 5 (delta 1), reused 0 (delta 0), pack-reused 0
remote: To create a merge request for kingfisher, visit:
remote: http://tfs.locked/tfs/HRC/TEC/SUT/_git/Sut.Driver.Firmware/pullrequest/new?sourceRef=kingfisher&targetRef=develop
remote:
To http://tfs.locked/tfs/HRC/TEC/SUT/_git/Sut.Driver.Firmware
2c50e5b…ba25f3e kingfisher - kingfisherMINGW64 ~/Source/Repos/Sut.Driver.Firmware (kingfisher)
$
有趣的结果。我觉得这两个例子中的两者大致相当，但存在不同的错误。Claude 在这里臆造了 URL，根据 git 问题进行了推测，认为我们正在进行 pull request。
Tesseract 不会臆造，在这种情况下似乎更正确。唯一突出的是第 4 行的 1fs 和第 10 行的 \\fs，而不是 lfs。
Claude 在整个过程中也犯了类似的错误，使用 tfs 而不是 lfs。这很令人惊讶，因为根据上下文推断 URL 表明它理解了上下文，但随后它没有使用这个领域中很重要的 lfs，而是创建了一个全新的东西：tfs。
1 个赞
