AI 无法识别出的图片
- 45dino2026-08-1038084

识别图片中的文字,禁止访问互联网
我试了手头的几个 AI,全都全军覆没,表现比较优秀的是 glm5v,识别出来的是:生活本就沉闷, 但用耳朵听, 就会有声音。Opus5 认为这是小篆。
我想起了前段时间看到的 baby-vision,感觉多模态还是任重而道远的。
主楼 - 灰質心2026-08-1023396
- Evaleanosrey2026-08-1023645
别说AI,我自己都看不出“沉闷”,怎么看都看不出来
- coco2026-08-1028345
- 45dino2026-08-1038084
我前段时间还跟朋友聊了一个想法,能不能训练一个模型,使得能够根据用户的需求去寻找比较符合用户喜好的影视作品本子。
常规肯定是只能用 tag 筛选,但是假如这个人给出的是一段具体的情节,那么是不是就很难做到去向量化?
以及我们看漫画的时候会对画风或者任务有自己的喜好,俗称戳(到)我(的xp)。这个又是怎么实现检索的?
- 45dino2026-08-1038084
其实在看到 baby vision 之前,我就感觉 AI 能够把图片的信息吃下来,只是算力的结果,人类对图片往往有一个宏观的理解,这是 AI 没有的。
写到这里的时候,我又想起了这个:

what does the image say?
- 45dino2026-08-1038084
关键是需要把上面和下面的边框连起来
- corinc2026-08-1063744
- 114yiyis2026-08-105113
- lulinkjason2026-08-1040376
识别图片中的文字,禁止访问互联网
图片中的文字应为:
上班无聊就玩手机
但请勿
影响工作效率^-^这张图用了高度变形、故意降低可读性的字体,但结合各字结构,以上识别置信度较高。

来自 5.6 sol max,应该是除了fable最权威的了吧

哈哈哈哈哈哈哈哈哈哈
- lulinkjason2026-08-1040376
这个其实好办,因为作品本身也想被受众搜索到,所以很多作品上架之前会写tag,按tag搜索呗
- 灰質心2026-08-1023396
- alizoed2026-08-1013055
- Mabel2026-08-1027271
- 45dino2026-08-1038084
比如如果想要找一个特定的情节呢,过于具体以至于不会有一个专门的tag?
- 翠花上酸菜2026-08-105180
看来大模型的缺陷还是一如既往,没训练过的就是不知道
- yyjeqhc2026-08-1025232
- lulinkjason2026-08-1040376
那太难了,AI就只能搜索全网信息,看看有没有推荐文章,或者网友讨论。他没办法挨个翻看每本作品然后告诉你哪个是,就算能,那token爆炸了
- 黄豆豆2026-08-109687
你不说我都认不出来,确实有点抽象了







