Grok怎么识别图片里的文字？本地图像输入、标签提取与模糊内容核对
用xAI Responses API读取本地练习标签图片，正确编码图像输入，区分可见文字与推断，通过原图放大检查数量、单位和模糊字符。
主题标签
图像
关于该主题的全部内容，按发布时间持续更新。
14
篇内容
Canva 自研图像模型 Craft 上线：先做设计规划再出图，Design Arena 排到全球第四
做设计的人大概都遇到过这种时刻：提示词写得挺长，AI 出了四张图，构图漂亮但文字糊成一团，logo 位置永远差一点，改一次还得重来。问题的根源不…
谷歌发布Nano Banana 2 Lite：轻量级图像生成模型的”甜点球”
核心看点 Google悄然推出Nano Banana 2 Lite，这是一款面向端侧和轻量级场景的图像生成模型。名字虽然有点"萌"，但背后的信号…
Google推出Nano Banana 2 Lite：4秒内生成图像，成本大幅降低的Gemini图像模型
核心看点：7月1日，Google AI宣布推出Nano Banana 2 Lite，这是迄今为止最快且最具成本效益的Gemini图像模型，可在不…
OpenAI发布ChatGPT Images 2.0：单次可生成8张连贯图像，画质达2K
核心看点 ChatGPT Images 2.0发布：引入推理规划功能，图像生成更符合逻辑 单次8张连贯图像：适用于漫画创作和设计工作流 画质升级…
爆改漫画师！OpenAI 发布 ChatGPT Images 2.0，单次可生成8张连贯图像
OpenAI 近日正式发布 ChatGPT Images 2.0，这是一次针对图像生成能力的重大升级。新版本引入了推理规划功能，让 AI 生成图…
全新的图像生成模型Reve Image
Reve公司于2025年3月21日发布了全新的图像生成模型Reve Image。这款模型以其卓越的美学表现、精确的提示遵循以及优秀的排版能力脱颖…
PhotoDoodle：让你的照片跳脱现实，在虚实间起舞
“PhotoDoodle”是一种艺术化图像编辑工具，由新加坡国立大学、上海交通大学、北京邮电大学、字节跳动和 Tiamat 团队联合推出。它可以…
基于 Flux.1-Dev 模型的免费且无限制的 AI 图像生成工具：Raphael AI
Raphael AI 是世界上首个完全免费且无限制的 AI 图像生成器，由 Flux.1-Dev 模型提供支持。以下是其主要功能和特点： 主要功…
谷歌推出AI图像生成工具Whisk 支持多张图片提示以图生图
Google实验室的Whisk工具是一款AI创意生成工具，它的核心功能和特点如下： 图像输入生成：Whisk支持直接拖拽图像作为提示，替代复杂的…