本地部署OmniParser微软最强开源屏幕解析模型！最强开源屏幕解析工具，面向纯视觉的GUI代理！实现用户界面截图解析为结构化数据！结合pyautogui实现自动点击指定元素！
Рет қаралды 7,129
Күн бұрын
@MrBeaver-t3g Ай бұрын
感谢 UP，很棒的作品
@qikami 2 ай бұрын
感谢UP主，希望UP主能否出一期通过webui或者其他任何调用api的方式，模仿claude project的方法视频。 现在使用claude project依赖比较重，但是每次都是用不了多久就到了limit，要终端等待好几个小时。 但是单纯看claude project，对于知识库文件的处理又好像并不是一般的RAG方法。
@AIsuperdomain 2 ай бұрын
好的🤝🤝
@__-kp6fm 2 ай бұрын
希望能出一期移动端，实现简单的判断点击，循环操作的DEMO。。。。期待
@AIsuperdomain 2 ай бұрын
ok. 我尽快安排一期
@gary007lang 2 ай бұрын
可以识别中文文字吗？
@马飞-l2e 2 ай бұрын
本地部署，有什么硬件要求吗？必须要很强的GPU吗？
@ΥγρόΠυρ 2 ай бұрын
可以用来爬虫 让某些反爬手段失效
@changchris5468 2 ай бұрын
可否再演示一集讓大模型自動判斷並使用OmniParser點擊螢幕，謝謝
@AIsuperdomain 2 ай бұрын
好的，我尽快安排一期
@manyaccscom 2 ай бұрын
我看你的演示里面识别的还是比较慢的，这个是不是和你的电脑硬件配置有关系？
@AIsuperdomain 2 ай бұрын
显卡越好识别肯定越快
@vincentn1371 2 ай бұрын
👍👍👍
@AIsuperdomain 2 ай бұрын
谢谢支持
@ligbyte 2 ай бұрын
这个OminiParser获取屏幕截图2秒，标注5秒， 还得有各种点击操作耗时， 相对于YOLO的毫秒级识别，这个有什么存在意义？
@AIsuperdomain 2 ай бұрын
需求不一样，场景不一样
@ligbyte 2 ай бұрын
@@AIsuperdomain 那这个OminiParser 是不是每次操作都要先获取屏幕截图、再标注、最后再点击？ 每次操作都要这样来一下，太耗时了，还不如手动操作
@xiaohujing4540 2 ай бұрын
yolo要先进行object分类训练，这个不需要，比如他可以识别看什么视频
@MaxwellHay 2 ай бұрын
OmniParser使用了yolo
@CliffZhu 2 ай бұрын
能帮忙点SKIP就够了。YT看来要取消SKIP了。
@AIsuperdomain 2 ай бұрын
好主意
@fengyuwen3824 2 ай бұрын
跳过手机广告，
@AIsuperdomain 2 ай бұрын
👍👍👍
@weigangfu8826 2 ай бұрын
如果速度达不到还不如手点
@AIsuperdomain 2 ай бұрын
那不一样，如果那些一个工作室几千台手机的，肯定要用这种
@ErikYiLoo 2 ай бұрын
本地尝试了一下，对中文内容识别很差
@jim1977 2 ай бұрын
我猜，omniparser的准确率达不到100%
@AIsuperdomain 2 ай бұрын
肯定达不到100%
5-Year Crafts
Рет қаралды 56 МЛН